《Transportation Research Interdisciplinary Perspectives》：A simulation-based comparative evaluation of CNN–, LSTM-, and reinforcement learning–based traffic signal control using vision-derived data
编辑推荐：
城市信号交叉口是大都市路网中的关键瓶颈，低效控制策略会导致过度延误、拥堵和环境影响。尽管卷积神经网络（CNN）、长短期记忆网络（LSTM）和强化学习（RL）已被广泛研究用于交通分析和信号控制，但既有研究通常使用异构数据源和指标孤立评估这些范式。这种碎片化限制了
城市信号交叉口是大都市路网中的关键瓶颈，低效控制策略会导致过度延误、拥堵和环境影响。尽管卷积神经网络（CNN）、长短期记忆网络（LSTM）和强化学习（RL）已被广泛研究用于交通分析和信号控制，但既有研究通常使用异构数据源和指标孤立评估这些范式。这种碎片化限制了系统比较，并掩盖了实际权衡。本研究在一致实验条件下，使用在线视觉衍生数据，对基于CNN、LSTM和RL的控制器进行实时交通信号控制的受控比较评估。所有模型均在真实四岔城市交叉口（17 Shahrivar–Taleghani, Tabriz）评估，覆盖12个交通场景，代表不同需求水平和随机到达模式，总计3,600个仿真回合和超过250万次控制决策。性能采用平均车辆延误、排队长度、通行能力、稳健性指标和统计显著性检验评估。结果表明，基于RL的控制器持续优于CNN和LSTM模型，相对于基线将平均延误降低约21–33%，同时提高通行能力并保持最低性能方差。基于CNN的控制器表现出高计算效率，但缺乏预见能力；而基于LSTM的控制器提高了稳定性，但仍受其“先预测后控制”架构约束。RL框架实现实时可行性，100%的决策在20 ms内执行。研究结果表明，目标对齐、以决策为中心的学习相较感知或预测驱动范式具有结构性优势。本研究提供了跨这些建模框架的首批统一视觉基准之一，并为可扩展自适应交通信号控制提供循证指导。
研究背景方面，城市信号交叉口是路网瓶颈，低效信号控制会造成车辆延误、拥堵、能耗和排放增加；固定时间与感应控制虽鲁棒且易实施，但依赖预设配时或有限传感，难以响应快速变化和非 recurrent 交通。摄像头普及使在线视觉衍生数据（vision-derived data）可提供车道级占用、排队和密度信息；卷积神经网络（CNN）擅于空间感知，长短期记忆网络（LSTM）可建模时序依赖，强化学习（RL）可优化序贯决策。但既有研究多将三类范式孤立评估，使用异构数据源、传感模态和指标，且较少以在线摄像头数据开展统一实时控制基准，范式间实际权衡不清。作者Rasa Nobahar围绕该缺口开展受控比较，提出RL是否降低延误并提高吞吐、CNN/LSTM是否方差更低、感知/预测模型是否更稳健等假设。研究在真实四岔交叉口（17 Shahrivar–Taleghani, Tabriz）统一几何、需求场景、评价指标和统计流程，得出RL控制器平均延误29.18 s/veh、平均排队10.81 veh、吞吐1,690 veh/h，较CNN延误降低32.6%、排队降低42.8%、吞吐提高21.3%，较LSTM分别降低20.8%、28.6%和提高11.7%，且100%决策在20 ms内完成；其意义在于表明目标对齐的以决策为中心学习较感知或预测驱动范式具有结构优势，并提供统一视觉基准。
关键技术方法（不超过250字）：研究人员以真实交叉口摄像头三个工作日07:00–21:00、10 fps、1920×1080视频为经验来源，用YOLOv5s在线检测，经透视校正、光照归一化和车道感兴趣区聚合占用、排队与密度；在SUMO 1.18.0中按实测几何和固定双环四相位结构仿真，仅动态调整绿时（10–45 s）。构建4需求×3随机到达共12场景，每场景100随机种子，训练/测试分离且同场景共享种子配对。CNN以224×224图像回归绿时；LSTM用10步状态窗预测下一状态并按比例规则控绿；RL用PPO以?0.5D?0.3Q+0.2T多目标奖励优化。统计采用Friedman检验与Wilcoxon符号秩检验并Holm校正。
研究结果：实验规模与场景配置：通过四需求×三随机到达构建12场景、每场景100种子，得到每模型1,200回合、共3,600回合，以降低随机交通实现影响。全局性能比较：汇总所有回合，RL平均延误最低（29.18 s/veh）、平均排队最低（10.81 veh）、吞吐最高（1,690 veh/h），CNN为43.31、18.91、1,393，LSTM为36.86、15.13、1,513；RL较CNN延误?32.6%、排队?42.8%、吞吐+21.3%，较LSTM为?20.8%、?28.6%、+11.7%。不同需求区间性能：分层四需求区间后，RL在很低至过饱和均保持最低平均延误（29.06–29.40 s/veh），CNN为43.07–43.50，LSTM为36.54–36.97；中高与过饱和下RL较CNN降约32.6–33.1%、较LSTM降约20.4–20.7%。排队长度动态：RL平均排队10.81、最大排队16.29、排队标准差1.58 veh，均低于CNN（18.91、29.30、2.73）和LSTM（15.13、21.74、2.08）；最大排队较CNN降44.4%、较LSTM降25.1%，但未单独测溢流。变异与稳健性分析：在高需求S7–S12，RL延误标准差3.29、四分位距（IQR）4.39 s/veh，低于CNN（4.58、6.24）和LSTM（4.09、5.13）；与RH2/RH3预期相反，RL未显示更高方差，但稳健性仍具多维性。计算性能：RL平均推理延迟14.23 ms、最大18.60 ms，100%决策<20 ms；CNN平均8.42 ms，LSTM 12.67 ms；作者强调这是控制器推理延迟而非端到端现场延迟。CNN、LSTM与RL的统计比较：Friedman检验显示三者延误、排队、吞吐总体差异显著（p<0.001）；配对Wilcoxon-Holm显示RL vs CNN延误?14.13 s/veh、排队?8.10 veh、吞吐+297 veh/h，RL vs LSTM延误?7.68、排队?4.32、吞吐+177，效应量大（r
rb约0.95–0.99）。统计显著性：在中高和过饱和场景S7–S12，共享随机种子下三项指标差异均p<0.001；效应量支持实际幅度，但作者限定不能外推到未见路网或真实环境。
讨论总结：与视觉深度学习研究一致，CNN感知强但缺乏时序与策略推理，感知精度不等于控制最优；LSTM因时序记忆优于CNN，但“先预测后控制”解耦限制长期目标优化；RL与既有仿真研究一致并扩展到在线视觉状态。设计不对称在于CNN监督模仿Webster启发式、LSTM采用固定比例规则，只有RL直接优化与评估一致的奖励，故RL优势部分源于目标对齐；未来需加入固定时间、感应式和最大压力基线。贡献是统一视觉基准；局限为单交叉口、控制回路在SUMO中执行、输入表示不完全相同且未做现场验证。
研究结论翻译：本研究提出了一个统一比较评估，在真实城市交叉口（17 Shahrivar–Taleghani, Tabriz）使用在线视觉衍生数据，对基于CNN、LSTM和RL的实时交通信号控制模型进行比较。通过标准化传感模态、实验场景、评价指标和统计程序，分析将建模范式分离为影响性能结果的主要因素。在12个交通场景、3,600个仿真回合和超过250万次控制决策中，基于RL的控制器始终取得最低平均车辆延误（29.18 s/veh）、最短排队长度和最高吞吐；所有需求区间（包括过饱和条件）均观察到性能优势。此外，RL策略表现出最低性能方差，与最初预测决策中心学习具有更高离散度的假设（RH2和RH3）相反，统计分析确认观察到的差异显著。基于CNN的模型表现出计算效率和强空间感知，但受限于依赖瞬时视觉特征而缺乏时序推理；基于LSTM的模型通过捕捉时序依赖提高稳定性，然而其先预测后控制架构限制了优化长期运行目标的能力；相比之下，RL框架直接优化累积系统级性能，使训练目标与评价指标对齐。研究结果在三方面贡献文献：提供少数在相同视觉输入下比较感知驱动、预测驱动和决策驱动范式的受控基准之一；澄清感知精度或预测精度进步不会自动转化为最优控制性能，模型训练与运行指标之间的目标对齐至关重要；表明训练良好的RL策略可同时提供更高效率和更低方差，并满足实时计算约束（100%决策在20 ms以下执行）。应承认若干局限：评估局限于单一交叉口，且未包括经典固定时间、感应式和最大压力基线；尽管视觉管线在线运行，控制回路本身在仿真中执行。未来研究应将该框架扩展到走廊级多智能体控制，纳入传统基线，研究混合架构，并用现场部署数据验证结果。总之，当交通信号控制被框定为序贯决策优化问题而非仅感知或预测任务时，RL表现出结构性优势，并转化为可测量的运行收益；随着城市交通系统日益动态和数据丰富，决策中心学习范式似乎为可扩展自适应信号控制提供有前景的路径。
