심층 강화학습을 통한 신호등 제어의 효율성과 공정성 균형

요약

본 논문은 기존 신호등 제어 시스템의 비효율성 문제를 해결하기 위해 심층 강화학습(DRL) 기반의 새로운 에이전트를 제안합니다. 이 에이전트는 차량과 보행자 교통 모두를 고려하여 공정성을 명시적으로 통합함으로써, 실시간 수요 변화에 따라 흐름을 동적으로 균형 있게 조정할 수 있습니다. 실험 결과는 이 시스템이 교통 혼잡을 효과적으로 줄이는 동시에 모든 도로 이용자에게 공평한 서비스를 제공함을 입증하며, 스마트 시티의 지능형 교통 관리에 기여합니다.

핵심 포인트

• 기존 신호등 제어 시스템은 역동적인 교통 조건에 적응하는 데 한계가 있다.
• 제안된 DRL 에이전트는 차량과 보행자 모두를 고려하여 공정성(fairness)을 명시적으로 통합한다.
• 시스템은 실시간 수요 변화에 따라 교통 흐름을 동적으로 균형 있게 조정할 수 있다.
• 본 연구는 스마트 시티 환경에서 효율적이고 포용적인 지능형 교통 관리 솔루션을 제공한다.