도시 도로 네트워크에서의 교통 신호 제어를 위한 다중 에이전트 심층 결정론적 정책 경량화

도시 교통 신호 제어에서 정보를 효과적으로 사용하여 교통 조건을 최적화하고 제어 알고리즘의 적응성과 견고성을 보장하는 방법을 목표로 하는 본 논문은 협력적 교통 신호 제어를 위한 다중 에이전트 강화 학습 알고리즘을 적용합니다. 교통 신호등의 단계 및 지속 시간을 조정하여 차량의 평균 대기 시간을 줄이기 위해 다중 에이전트 심층 결정론적 정책 기울기(MADDPG) 기반 방법이 제안되었습니다. 각 교차로의 환경은 행렬 표현 방법에 의해 추상화되어, 교통 네트워크의 주요 정보를 효과적으로 표현하고 중복 정보를 줄입니다. 이 제어 방법은 다양한 도로 혼잡 수준에서 시뮬레이션 플랫폼 SUMO를 통해 평가됩니다. 비교 실험 결과는 다중 교차로 신호 제어에서 MADDPG의 효율성과 안정성을 암시합니다.