用于运行时可调交通信号优先级的偏好条件多目标强化学习

arXiv:2607.18286v1 公告类型：新 摘要：公交信号优先 (TSP) 需要平衡相互竞争的目标：减少公交车延误，同时限制对非公交车交通的不利影响，并避免部分车辆的极端等待。现有的 TSP 强化学习 (RL) 方法通常对交通感知特征（例如占用率和时间表偏差）进行编码，但优化固定奖励或固定缩放，这限制了机构优先级随时间或中断情况变化时的操作灵活性。我们提出了一个偏好条件 TSP 控制器 $\pi(a \mid s,w)$，它在最小/最大绿灯和转换可行性约束下选择下一个信号相位，并且可以在运行时通过偏好参数 $w$ 进行调整，以权衡总线优先级重点与总体流量延迟，而无需重新训练。我们通过引入约束信号控制/TSP 包装器在 IntersectionZoo 之上实现这一点，并通过总线流行增强和基于时间表的总线插入来扩展场景生成，以解决训练期间稀疏的交通优先事件。针对固定时间控制、基于规则的 TSP 覆盖和固定权重 PPO 专家的实验表明，单个学习条件策略跨越运行时偏好的平滑经验权衡前沿，优于固定时间和基于规则的基线，并保持约束可行性，而尾部延迟诊断表明，非总线外部性对于中等偏好设置仍然有限，但在高总线优先权重下可能会大幅增加。这项工作的源代码可在 https://github.com/urbanAIthi/morl-tsp 获取。