LLMLight：作为交通信号控制智能体的大型语言模型
人工智能
2024-12-18 v5
摘要
交通信号控制（TSC）是城市交通管理中的关键组成部分，旨在优化路网效率并减少拥堵。传统的TSC方法主要基于交通工程和强化学习（RL），通常难以在不同交通场景中泛化，且缺乏可解释性。本文提出了LLMLight，一种新颖的框架，将大型语言模型（LLMs）作为TSC的决策智能体。具体来说，该框架首先通过一个包含实时交通状况的知识性提示来指导LLM。利用LLM先进的泛化能力，LLMLight进行类似于人类直觉的推理和决策过程，以实现有效的交通控制。此外，我们构建了LightGPT，一个专门针对TSC任务定制的骨干LLM。通过学习细微的交通模式和控制策略，LightGPT以成本效益高的方式增强了LLMLight框架。在十个真实世界和合成数据集上进行的大量实验，以及十五位人类专家的评估，证明了LLMLight与LightGPT的卓越有效性、泛化能力和可解释性，优于九种基线方法和十种先进的LLM。
引用
@article{arxiv.2312.16044,
title = {LLMLight: Large Language Models as Traffic Signal Control Agents},
author = {Siqi Lai and Zhao Xu and Weijia Zhang and Hao Liu and Hui Xiong},
journal= {arXiv preprint arXiv:2312.16044},
year = {2024}
}