교차로 신호 제어를 위한 병렬 강화 학습

효율적인 도시 교통 관리를 위한 적응형 교차로 신호 제어 전략 개발은 간단히 해결되지 않는 도전적인 문제입니다. 강화 학습(RL)은 교차로 신호 제어(TSC) 문제에 적용할 때 유망한 접근 방식으로 입증되었습니다. TSC에 RL 에이전트를 사용할 때 수렴 시간 및 성능과 관련된 어려움이 발생할 수 있습니다. 이는 복잡한 교차로에서 특히 두드러지며, 다양한 단계가 많아 상태 행동 공간의 크기가 증가하기 때문입니다. 병렬 학습은 RL 문헌에서 떠오르는 기술로, 여러 학습 에이전트가 동일한 문제에 대해 동시에 학습하면서 경험을 공유할 수 있게 해줍니다. 여기에서는 TSC를 위한 RL의 주요 발표된 작업에 대한 확장을 제시하며, 병렬 학습의 이점을 활용하여 탐색을 증가시키고 지연 시간과 대기열 길이를 줄이는 방법을 설명합니다.