단일 에이전트 강화 학습(RL) 기반의 지역 적응형 교통 신호 제어(ATSC) 모델을 제안합니다. 기존의 다중 에이전트 프레임워크의 확장성 문제를 해결하기 위해, 중앙 집중식 관리를 기반으로 하는 단일 에이전트 RL 모델을 개발했습니다. 이 모델은 탐색 차량 기술과 호환되며, 큐 길이 기반의 상태, 행동, 보상 함수를 정의하여 큐 역학을 제어합니다. SUMO 시뮬레이션을 통해 모델의 성능을 평가했으며, 광범위한 지역의 혼잡 완화 효과를 확인했습니다.
