PyTSC：面向交通信号控制的多智能体强化学习统一平台

多智能体强化学习（MARL）为解决城市环境中交通信号控制的复杂性提供了有前景的途径。然而，现有的基于MARL的TSC研究平台面临着模拟速度慢、代码结构复杂且难以维护等挑战。为了解决这些限制，我们引入了PyTSC：一个稳健且灵活的仿真环境，促进了TSC领域MARL算法的训练和评估。PyTSC集成了多个仿真器，如SUMO和CityFlow，并提供了简化的API，使研究人员能够高效地探索广泛的MARL方法。PyTSC加速了实验，并为在实际应用中推进智能交通管理系统提供了新的机遇。