본 논문은 교통 신호 제어 알고리즘의 성능 저하를 유발하는 분포 변화를 정량화하는 방법을 제시한다. 교통 시나리오를 수요 히스토그램으로 표현하고 GEH 기반 거리 함수를 사용하여 비교한다. 이 방법은 정책에 독립적이며 해석 가능하며, 널리 사용되는 교통 공학 통계를 활용한다. NEMA 작동 컨트롤러와 강화 학습 컨트롤러 (FRAP++)를 사용하여 20개의 시뮬레이션 시나리오에서 검증한 결과, 더 큰 시나리오 거리가 여행 시간 증가 및 처리량 감소와 일관되게 관련되어 있음을 확인했다. 특히 학습 기반 제어에서 강한 설명력을 보였다.
