Microscopic Model-Based RL Approaches for Traffic Signal Control Generalize Better than Model-Free RL Approaches
Notice bibliographique
Résumé
There have been many recent advances in the Traffic Signal Control literature that use reinforcement learning, most of which is undertaken using the model-free approach. Approaches in the model-free domain, attempt to learn the value or the policy function directly without attempting to learn the environment transition dynamics. Therefore, training the value function under a specified dynamics fails to differentiate the value updates from the underlying dynamics, making these methods require much larger agent-environment interaction data to generalize over different scenarios. In contrast, approaches that optimize agent actions w.r.t. a learned dynamics model inherently avoid this tight coupling of dynamics and value, allowing for much faster adaptation as traffic scenarios change. For this work on single intersection control, we specifically adopt this latter model-based approach of learning a microscopic simulator model and then apply tree-search techniques to optimize control actions. This approach quickly generalizes to a diverse set of traffic demands, whereas the model-free method performs suboptimally in conditions unseen during training. Another benefit of model-based approaches is the ability to control new intersections with previously unseen topologies, which makes the method transferable in terms of both demand and intersection structure variation. Finally, we observe that pairing these control strategies with the learned model also makes our approach debuggable and explainable, which is a critical requirement for real-world deployment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».