DeCoR: L'apprendimento per rinforzo co-ottimizza la progettazione stradale urbana e il controllo del traffico

Un nuovo framework di apprendimento per rinforzo a due stadi chiamato DeCoR è stato sviluppato dai ricercatori per ottimizzare sia la progettazione degli attraversamenti pedonali che la gestione dei segnali a livello di rete per le strade urbane basandosi sulle osservazioni del flusso. La fase iniziale di progettazione rappresenta la rete pedonale come un grafo, creando una politica generativa che definisce un modello di miscela gaussiana per posizioni e larghezze degli attraversamenti, consentendo il campionamento di nuovi attraversamenti. Per ogni disposizione proposta, una politica di controllo unificata adatta i tempi dei segnali per ridurre i ritardi sia per i pedoni che per i veicoli. In un corridoio urbano di 750 metri, DeCoR ha ottenuto una riduzione del 23% del tempo di arrivo dei pedoni agli attraversamenti, utilizzando meno attraversamenti rispetto alle configurazioni attuali. Inoltre, ha ridotto i tempi di attesa dei pedoni del 79%. Questa ricerca è dettagliata nell'articolo arXiv intitolato "DeCoR: Design and Control Co-Optimization for Urban Streets Using Reinforcement Learning" (arXiv:2605.21311).