為解決動態環境下交通堵塞時的交通號誌控制問題，南韓中央大學研究團隊提出一個結合延伸深度Q網路(extended deep Q-network；EDQN)的meta-強化學習（meta-RL）模型，能自主運作偵測交通狀態並根據交通堵塞程度動態控制號誌，包括分類交通管理方式、指定號誌變換時間。

根據Traffic Technology Today報導，交通號誌控制人員僅能同時管理數個交叉路口，適用於靜態環境的RL技術已被用於動態交通環境，根據交叉路口的幾何結構、號誌變換時間、交通狀況來控制號誌，但現有系統倚賴基於理論或規則的控制器來調整號誌，仍經常無法有效減少正常車流中的車輛延遲或是極大化車流不順時的流量以紓解交通堵塞。

中央大學研究團隊發展的meta-RL模型運用一個顯示整體環境狀況的潛在變數，來決定交通號誌變換時間是飽和或未飽和，就如同交通號誌控制人員一樣根據交通流來調節號誌變換時間以極大化車流量或極小化延遲，並運用商業交通模擬器Vissim v21.0來模擬真實的交通狀況以訓練與測試模型。

模擬測試結果顯示研究團隊的meta-RL模型無需任何明確交通資訊就能切換控制作業，完成meta-RL訓練後的模型無需調整參數就能適應新工作，且結合EDQN的meta-RL模型在交通號誌控制的表現優於現有演算法。此外研究團隊還選擇首爾市西南方一個有15個交叉路口的實際運輸網作為實測場域。

By DIGITIMES