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

Created by

Haebom

저자

Qing Guo, Xinhang Li, Junyu Chen, Zheng Guo, Shengzhe Xu, Lin Zhang, Lei Li

💡 개요

본 논문은 교통 신호 제어(TSC) 분야에서 강화학습(RL)과 대규모 언어 모델(LLM)의 한계를 극복하기 위해 CuraLight라는 LLM 중심 프레임워크를 제안합니다. CuraLight는 RL 에이전트를 활용하여 LLM 기반 교통 신호 제어기를 미세 조정하기 위한 고품질 상호 작용 데이터를 생성하고, 다중 LLM 앙상블 시스템을 통해 신호 타이밍 액션을 평가하여 선호도 기반 감독 신호를 제공합니다. 이를 통해 혼잡, 배출가스, 이동 시간을 줄이는 데 효과적인 확장 가능하고 해석 가능한 교통 신호 제어 시스템을 구축합니다.

🔑 시사점 및 한계

•

RL 에이전트의 탐색 능력과 LLM의 이해 및 추론 능력을 결합하여 교통 신호 제어 성능을 향상시켰습니다.

•

다중 LLM 앙상블의 '토론' 방식을 통해 데이터 큐레이션의 질을 높이고 편향된 감독 신호를 줄였습니다.

•

제안된 CuraLight 프레임워크가 실제 교통 네트워크 환경에서 최신 기술 대비 평균 이동 시간, 평균 대기 행렬 길이, 평균 대기 시간 모두에서 유의미한 성능 향상을 보였습니다.

•

제안된 방법론은 복잡하고 이질적인 실제 교통 환경에 대한 일반화 가능성을 입증하였으나, 실제 교통 시스템에 적용하기 위해서는 추가적인 실시간 검증 및 효율성 개선이 필요합니다.

PDF 보기

Made with Slashpage