综述：自适应交通信号控制的全面研究：方法、应用、挑战与未来研究

《ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING》：A Comprehensive Survey of Adaptive Traffic Signal Control: Methods, Applications, Challenges, and Future Research

自适应交通信号控制（ATSC）研究综述：提出统一分类法揭示算法复杂性与部署准备度的负相关，分析现实系统成功因素强调渐进式适应，系统评估大语言模型在零样本控制、混合强化学习等场景的应用，指出仿真主导、车辆中心主义等六项结构性局限，并构建包含鲁棒学习、边缘AI、多模态融合等七维的研究议程。

　　

摘要

自适应交通信号控制（ATSC）已成为智能城市交通系统的核心组成部分。然而，从仿真环境过渡到实际应用的过程中仍存在诸多限制。本综述汇集了2017年1月至2026年3月初期间的211篇经过同行评审的学术论文，主要探讨了五个方面的内容。首先，建立了一个统一的分类体系，将ATSC系统按照控制架构、方法论范式和应用场景进行分类，从而实现了以往研究中缺乏的跨范式比较。其次，通过对八个运营维度的对比分析，发现算法复杂度与部署准备程度之间存在反比关系，这一特征是该领域的一个固有特点。第三，对实际部署系统的深入分析表明，系统的运行成功更多依赖于系统的优雅降级能力和保守的适应性调整，而非算法本身的复杂性。第四，专门研究了大型语言模型在ATSC中的应用，涵盖了零样本控制、混合强化学习架构、协作式多智能体框架以及现场部署案例。此外，还指出了影响系统部署的六个结构性障碍。第五，评估框架得到了扩展，涵盖了部署准备程度、可解释性、多模态支持以及所有评估维度的关键差距分析。研究指出，以车辆为中心的思维方式是当前研究议程中的一个缺陷。同时发现，在所有研究的技术类别中，仿真模拟始终占据主导地位。最后，提出了一个基于依赖关系的研究议程，涵盖七个方向：鲁棒的通用学习能力、联邦式与边缘计算人工智能、多模态传感器融合、可解释性及人机交互控制、以公平为导向的优化、社会技术融合，以及基于大型语言模型的情境感知控制。本综述为研究人员、实践者和政策制定者提供了实用的参考，有助于推动公平且具有韧性的城市交通信号控制系统的发展。