沙丘社区
论文

CuraLight：用于LLM中心交通信号控制的辩论引导数据精选

CuraLight: Debate-Guided Data Curation for LLM-Centered Traffic Signal Control

Qing Guo, Xinhang Li, Junyu Chen, Zheng Guo, Shengzhe Xu, Lin Zhang, Lei Li
模型训练合成数据

摘要

交通信号控制（TSC）是智能交通系统（ITS）的核心组成部分，旨在减少拥堵、排放与出行时间。基于强化学习（RL）和大语言模型（LLM）的近期方法提升了自适应能力，但仍受制于可解释性有限、交互数据不足以及对异构交叉口泛化能力弱的问题。本文提出CuraLight，一个以LLM为中心的框架，其中RL智能体辅助基于LLM的交通信号控制器微调。RL智能体探索交通环境并生成高质量交互轨迹，这些轨迹被转换为提示-响应对用于模仿微调。多LLM集成审议系统进一步通过结构化辩论评估候选信号配时动作，为训练提供偏好感知的监督信号。在SUMO中于济南、杭州和亦庄的异构真实路网上开展的实验表明，CuraLight持续优于最先进基线，平均行程时间降低5.34%，平均排队长度降低5.14%，平均等待时间降低7.02%。结果凸显了将RL辅助探索与基于审议的数据精选相结合，对实现可扩展且可解释交通信号控制的有效性。

CuraLight：用于LLM中心交通信号控制的辩论引导数据精选：论文配图
图 1：CuraLight 概述。 RL 代理协助 GPT 探索城市网络并收集交互轨迹，以便对 CuraLight LLM 代理进行基于 LoRA 的模仿微调。然后，基于 RL 的选择器和多 LLM 集成审议系统对候选信号定时操作进行评估和排名，为场景交互数据收集、过滤和适配器训练提供优先级监督。