OverFlowLight：城市交叉口实时网格堵塞预防与交通信号优化
OverFlowLight是一个实时框架，通过多模态传感器检测并预防交叉口车辆排队溢出，采用混合控制（规则基础+强化学习）动态生成清空相位，在43个交叉口实际部署后，溢出事件减少60.4%，网络吞吐量提升18.2%。
来源arXiv Machine Learning作者: Mingyuan Li, Boyang Huang, Tianqi Jiang, Chenpu Li, Chunyu Liu, Yang Li, Ruimin Li, Qiang Wu
城市交通拥堵中，车辆排队溢出是一个严重后果——当排队长度超过交叉口容量时，会阻塞上游交通，引发级联式网格堵塞。现有的交通信号控制（TSC）算法主要优化通行效率，但在高峰时段往往无法应对溢出，导致拥堵加剧和安全风险。为此，研究团队提出了OverFlowLight，一种专为实时预防溢出并提升整体TSC性能而设计的框架。
OverFlowLight首先利用摄像头和雷达的多模态传感，在实时中准确检测溢出事件。一旦检测到溢出，它会动态生成并插入专用的清空相位到信号周期中，以清除阻塞的排队车辆。这一过程通过混合控制设计实现：结合快速的规则基础溢出干预和基于强化学习（RL）等后端的控制器，兼顾短期的快速响应和长期的效率优化。
研究团队在三个大城市的43个交叉口进行了广泛的实际部署。结果表明，OverFlowLight能够无缝集成现有的RL基础TSC代理，突显了其模块化和实际可用性。实验数据对比显示，与部署的基线方法相比，OverFlowLight将溢出事件减少了60.4%，并将网络吞吐量提升了18.2%。此外，它显著减少了对专家调节信号方案常见的手动干预需求。
这项工作首次提出了一个实用、可扩展且数据驱动的主动预防交通网格堵塞框架，为构建有韧性和高效的城市交通系统提供了关键组件。团队已将演示视频、代码和数据集公开在匿名网址上。