본 논문은 대규모 언어 모델(LLM)을 활용한 협력적인 교통 신호 제어(TSC) 프레임워크인 CoLLMLight를 제안합니다. 기존 LLM 기반 TSC 접근 방식의 한계인 에이전트 간 협력 부재 문제를 해결하기 위해, CoLLMLight는 인접 교차로 간의 실시간 교통 역학 및 공간 관계를 포착하는 구조화된 시공간 그래프를 활용하여 복잡한 교통 상호 작용에 대한 추론을 가능하게 합니다. 또한, 실시간 교통 상황에 따라 추론 깊이를 동적으로 조절하는 복잡도 인식 추론 메커니즘을 도입하여 계산 효율성을 높였습니다. 반복적인 시뮬레이션 기반 데이터 수집 및 환경 피드백을 활용한 미세 조정 전략을 통해 협력적인 TSC에 맞춤화된 경량 LLM을 구축합니다. 합성 및 실제 데이터셋에 대한 광범위한 실험을 통해 CoLLMLight가 다양한 교통 시나리오에서 최첨단 방법보다 우수한 성능을 보임을 보여줍니다.
