都市交通の渋滞はしばしば悪循環を引き起こす。交差点の車両キューが物理的な容量を超えると、キューが上流区間にはみ出し、上流の交通を妨害して連鎖的なグリッドロックを誘発する。この「キュー溢れ」現象はピーク時に特に深刻で、渋滞を悪化させるだけでなく安全上の危険ももたらす。しかし、現在主流の交通信号制御（TSC）アルゴリズムの多くはスループットの最大化を目的としており、溢れ問題に効果的に対処できないことが多い。
この課題に対し、Mingyuan Liら8名の著者によるOverFlowLightフレームワークは、交差点の溢れをリアルタイムかつ先制的に予防・解消することを目指す。まず、カメラとレーダーによるマルチモーダルセンシングを用いてキュー溢れをリアルタイムで正確に検出するメカニズムを導入。溢れを検出すると、信号サイクルに専用の「オーバーフロー相位」を動的に生成・挿入し、ブロッキングキューを迅速に解消する。この介入はハイブリッド制御設計によって統括され、フロントエンドではルールベースの迅速な溢れ介入を行い、バックエンドでは強化学習（RL）などのコントローラを接続して長期的な効率を確保する。
研究チームは3つの主要都市の43交差点で大規模な実証実験を行った。その結果、OverFlowLightは既存のRLベースTSCエージェントとシームレスに統合でき、モジュール性と実用性を示した。デプロイ済みのベースラインと比較して、溢れ事象を60.4%削減し、ネットワークスループットを18.2%向上させた。さらに、専門家による信号計画の調整で一般的な手動介入の必要性を大幅に低減する。
著者らは本研究を、交通グリッドロックを能動的に予防する初の実用的・スケーラブル・データ駆動型フレームワークと位置づけ、 resilientで効率的な都市交通システムを構築するための重要なコンポーネントを提供すると述べている。論文は2026年5月24日にarXiv（2606.27381）に投稿され、機械学習（cs.LG）と人工知能（cs.AI）の分野に属する。デモ動画、コード、データセットは匿名URLで公開されている。