在交通信号优先（TSP）领域，平衡公交延误减少与非公交交通影响以及避免极端等待一直是一个挑战。现有强化学习（RL）方法通常编码公交感知特征（如占用率和时刻偏差），但优化固定奖励或固定标量化，这限制了当机构优先级因时间段或中断条件变化时的操作灵活性。
本文提出一种偏好条件的TSP控制器π(a|s,w)，它在最小/最大绿灯时间和过渡可行性约束下选择下一信号相位，并可通过偏好参数w在运行时调整公交优先强调与总体交通延误之间的权衡，而无需重新训练。该控制器基于IntersectionZoo平台实现，通过引入约束信号控制/TSP包装器，并采用公交普及率增强和基于时刻表的公交插入来扩展场景生成，解决了训练期间稀疏公交优先事件的问题。
实验将所提方法与固定时间控制、基于规则的TSP覆盖以及固定权重PPO专家进行了对比。结果表明，单个学习到的条件策略在运行时偏好范围内覆盖了平滑的经验权衡前沿，优于固定时间和基于规则的基线，并保持了约束可行性。尾部延误诊断显示，在中等偏好设置下，非公交外部性保持有限，但在高公交优先权重下可能大幅增加。
该研究的源代码已公开在https://github.com/urbanAIthi/morl-tsp。论文已被第29届IEEE国际智能交通系统会议（ITSC 2026）接收。这一工作为公交信号优先提供了更灵活的解决方案，有助于交通管理机构根据实时需求动态调整优先级。
本文详细介绍了方法的理论基础、实现细节和实验验证，展示了偏好条件策略在多目标优化中的优势。通过将多目标强化学习与运行时偏好调节相结合，该工作为智能交通系统中的自适应控制开辟了新途径。