无需在线探索的紧急抢占：基于决策转换器的方案
机器学习
2026-03-25 v1 人工智能
摘要
紧急车辆（EV）响应时间是决定生存结果的关键因素，但现有的信号抢占策略仍停留在被动且不可控的水平。我们提出一种基于决策转换器（Decision Transformer, DT）的返回条件框架，用于紧急走廊优化。通过将走廊优化问题建模为离线、返回条件的序列建模，我们的方案（1）消除了策略学习期间与环境的在线交互，（2）通过单个目标返回标量实现调度层级的紧急程度控制，（3）通过图注意力实现空间协调的多主体决策转换器（MADT）。在LightSim模拟器上，DT相对于4x4网格上的固定时序抢占将平均EV行驶时间缩短37.7%（88.6秒 vs. 142.3秒），在所有方法中实现最低的市民延迟（11.3秒/车）和最少的EV停止次数（1.2次），其中包括需要环境交互的在线强化学习基线方法。MADT在更大的网格上进一步优化，通过图注意力协调在8x8网格上实现45.2%的降幅。返回条件化可产生平滑的调度界面：当目标返回从100调节至-400时，EV行驶时间（72.4-138.2秒）与市民延迟（16.8-5.4秒/车）呈比例变化，无需重新训练。受限DT扩展版本将市民干扰预算作为第二个控制杆。
引用
@article{arxiv.2603.22315,
title = {Emergency Preemption Without Online Exploration: A Decision Transformer Approach},
author = {Haoran Su and Hanxiao Deng and Yandong Sun},
journal= {arXiv preprint arXiv:2603.22315},
year = {2026}
}