摘要
城市交通拥堵显著增加了燃油消耗、温室气体排放和通勤延误，导致现代城市经济损失和环境危害。传统的交通信号控制策略如固定时间调度、激活控制和基于强化学习（RL）的方法，提供了不同程度的适应性；然而，基于RL的方法在跨网络或需求模式转移时，常常需要大量的再训练、精心设计的奖励机制和大量的仿真数据。
为了解决这些挑战，我们提出了HiLLTS，一个LLM引导的交通信号控制框架，采用了一个由中央协调代理、区层和多个集群级交叉口代理组成的三层层次结构。实验结果表明，在拥堵和环境表现方面均有一致的改善。与每种场景下最强的非LLM基线相比，HiLLTS在低拥堵场景下将平均等待时间减少了36.73%，在高拥堵场景下减少了14.71%，同时在这两种情况下，平均CO2排放分别减少了7.87%和8.57%。
相对于较弱的基线，HiLLTS在低拥堵情况下达到了高达18.00%的排放减少和62.07%的等待时间减少；在高拥堵情况下，相对于最大压力控制，观察到排放减少高达28.89%和等待时间减少40.36%。消融研究进一步验证了LLM引导协调对基于规则控制的贡献。
博主点评： HiLLTS框架的提出为交通管理提供了一个创新的解决方案，利用层次化的LLM结构有效地优化了交通信号控制，展现了在减少拥堵和排放方面的巨大潜力，值得在更广泛的城市环境中推广应用。