LGDLight：线图注意力驱动的区域交通信号控制

来源：计算机工程与应用杂志2026年第1期北京时间：

作者：胡援浩, 娄铮铮, 胡世哲, 张朝阳, 焦重阳, 周清雷

单位：1.郑州大学 计算机与人工智能学院，郑州 450001；2.中国人民解放军战略支援部队信息工程大学 数学工程与先进计算国家重点实验室，郑州 450001

摘要：针对深度强化学习在区域交通信号控制优化时，多智能体间状态传递过程中所呈现的复杂动态问题，采用线图结构来描述复杂交通网络，使用图注意力网络（graph attention network，GAT）建模路口间动态关系，并将其融入决斗式双深度Q网络（dueling double deep Q network，D3QN）中，提出线图注意力Q网络交通信号控制方法（line graph deep Q network light，LGDLight）。LGDLight将道路作为节点，路网视为线图，利用图注意力网络来捕捉复杂道路节点间的动态信息交互，增强D3QN对复杂交通状态的感知能力。在仿真环境下的真实车流数据测试实验中，LGDLight相较于其他方法表现出更好的性能，尤其是在车流量较大及路网场景较为复杂情况下所表现出的性能更佳。进一步的实验分析不同奖励机制的影响，结果表明以排队长度作为奖励机制时，该方法能更有效地优化交通信号控制。

关键词：交通信号控制,深度强化学习,决斗式双深度Q网络（D3QN）,线图,图注意力网络