CoLLMLight：用于全网交通信号控制的协作式大语言模型智能体
机器学习
2025-03-18 v1 人工智能
计算与语言
摘要
交通信号控制（TSC）通过优化交通流和缓解拥堵，在城市交通管理中发挥着关键作用。尽管大语言模型（LLM）因其卓越的问题解决能力和泛化能力，近期已成为 TSC 颇具前景的工具，但现有方法未能解决智能体间协调这一核心需求，限制了其在实现全网优化方面的有效性。为弥补这一空白，我们提出了 CoLLMLight，一个用于 TSC 的协作式 LLM 智能体框架。具体而言，我们首先构建了一个结构化的时空图，以捕捉实时交通动态及邻近交叉口间的空间关系，使 LLM 能够对复杂的交通交互进行推理。此外，我们引入了一种复杂度感知推理机制，该机制可根据实时交通状况动态调整推理深度，在不牺牲决策质量的前提下确保最佳的计算效率。另外，我们提出了一种微调策略，利用迭代仿真驱动的数据收集和环境反馈，构建专为协作式 TSC 定制的轻量级 LLM。在合成数据集和真实世界数据集上的大量实验表明，CoLLMLight 在多种交通场景中均优于 state-of-the-art 方法，展示了其有效性、可扩展性和鲁棒性。
引用
@article{arxiv.2503.11739,
title = {CoLLMLight: Cooperative Large Language Model Agents for Network-Wide Traffic Signal Control},
author = {Zirui Yuan and Siqi Lai and Hao Liu},
journal= {arXiv preprint arXiv:2503.11739},
year = {2025}
}
备注
Under review, 14 pages