交通信号優先（TSP）では、バスの遅延削減と非バス交通への影響の制限、および一部車両の極端な待ち時間回避のバランスが求められる。既存の強化学習（RL）手法は、占有率やスケジュール偏差などの交通認識特徴を符号化するが、固定報酬または固定スカラー化を最適化するため、時間帯や混乱条件に応じて機関の優先度が変化する際の運用柔軟性が制限される。
本論文では、最小/最大青信号時間と遷移実現可能性制約の下で次の信号位相を選択し、選好パラメータwにより実行時にバス優先強調と全体交通遅延のトレードオフを再トレーニングなしで調整できる選好条件付きTSPコントローラπ(a|s,w)を提案する。これをIntersectionZoo上に実装し、制約付き信号制御/TSPラッパーを導入するとともに、バス普及率拡張と時刻表ベースのバス挿入によりシナリオ生成を拡張し、訓練中の疎な交通優先イベントに対処する。
実験では、固定時間制御、ルールベースTSPオーバーレイ、固定重みPPOスペシャリストと比較した。結果は、単一の学習済み条件付きポリシーが実行時選好にわたって滑らかな経験的トレードオフフロンティアをカバーし、固定時間およびルールベースのベースラインを上回り、制約実現可能性を維持することを示した。テール遅延診断により、中程度の選好設定では非バス外部性は限定的であるが、高いバス優先重みでは大幅に増加する可能性が明らかになった。
この研究のソースコードはhttps://github.com/urbanAIthi/morl-tspで公開されている。論文は第29回IEEE国際インテリジェント交通システム会議（ITSC 2026）に採択された。この研究は、交通管理者がリアルタイムの需要に応じて動的に優先度を調整できる、より柔軟なTSPソリューションを提供する。
本稿では、提案手法の理論的基礎、実装詳細、実験検証について詳述し、選好条件付きポリシーが多目的最適化において有効であることを示す。多目的強化学習と実行時選好調整を組み合わせることで、本作業はインテリジェント交通システムにおける適応制御の新たな道を開く。