Resumo Técnico: Uma Interface de Controle Baseada em Grafos para Sinais de Trânsito em Redes Viárias Heterogêneas

Declaração do Problema

O controle de sinais de trânsito enfrenta um desafio fundamental de generalização: os espaços de ação são inerentemente locais e heterogêneos. Um cruzamento de três braços, um cruzamento padrão de quatro braços e um cruzamento complexo com conversões protegidas possuem diferentes números de fases e significados semânticos distintos para essas fases. Consequentemente, cabeças de redes neurais de saída fixa (ex: "Fase 2") carecem de semântica reutilizável entre diferentes redes viárias. Abordagens padrão que realizam o preenchimento (padding) dos espaços de ação para um tamanho uniforme alteram as dimensões dos tensores sem estabelecer um significado compartilhado, enquanto métodos aprendidos existentes frequentemente têm dificuldade em desacoplar a pontuação de movimentos de tráfego da construção de espaços de ação específicos de cada cruzamento.

Metodologia

O artigo propõe uma interface de controle que separa estritamente a pontuação aprendida dos movimentos de tráfego da construção determinística de espaços de ação locais.

1. Objetos de Controle e Representação

• Movimentos: Definidos como trajetos legais e controlados de um corredor rodoviário de entrada para um corredor rodoviário de saída (incluindo trajetos retos e conversões).
• LaneGroups (Grupos de Faixas): Segmentos de estrada direcionados consecutivos são agrupados em LaneGroups quando a continuação não sinalizada é inequívoca. Direções opostas permanecem separadas devido às diferentes dinâmicas de fila e velocidade.
• Fases: Uma fase é um conjunto compatível de movimentos que podem receber um sinal verde simultaneamente. O controlador seleciona uma fase por cruzamento em vez de controlar lâmpadas individuais.

2. Arquitetura de Rede Neural em Grafo (GNN)

O sistema emprega uma GNN tipada e compartilhada que opera em um grafo de nível de cidade contendo nós de LaneGroup e de Movement.

• Passagem de Mensagens: A arquitetura utiliza passagem de mensagens tipada com quatro relações direcionadas: $L_{in} \to M$, $L_{out} \to M$, $M \to L_{in}$ e $M \to L_{out}$.
• Agregação: Utiliza agregação média tipada (em vez de atenção) para produzir embeddings.
• Pontuação: Após dois blocos de passagem de mensagens, um MLP mapeia o embedding final do movimento ($h^{(2)}_m$) para um único escalar de pontuação ($s_m$).
• Compartilhamento de Parâmetros: As formas dos parâmetros dependem apenas das dimensões de características e de camadas ocultas, tornando-as independentes do tamanho do grafo ou do número de ações.

3. Construção Determinística do Espaço de Ação

A interface impõe uma "fronteira estreita" onde o aprendizado termina na pontuação do movimento, e o código determinístico lida com o restante:

• Matriz de Incidência ($A_j$): Para cada cruzamento $j$, uma matriz de incidência pré-computada e determinística mapeia as pontuações dos movimentos para os logits das fases. A matriz $A_j \in \{0, 1\}^{|P_j| \times |M_j|}$ indica quais movimentos são habilitados por quais fases.
• Logits de Fase: O logit de uma fase $p$ é calculado como a soma das pontuações de seus movimentos habilitados: $\ell_{j,p} = \sum_{m \in M_j} A_{j,p,m} s_m$.
• Construção Offline: As fases são geradas offline usando a enumeração de Bron–Kerbosch para encontrar conjuntos de movimentos compatíveis maximais baseados em dados de conflito do SUMO.
• Execução Online: Uma máscara de disponibilidade impõe tempos mínimos de verde, e uma amostragem categórica seleciona uma fase com base nos logits.

4. Protocolo de Treinamento

• Algoritmo: O PPO (Proximal Policy Optimization) é usado para otimizar a política completa.
• Função de Recompensa: Uma recompensa local e adimensional é atribuída por cruzamento, combinando termos para progresso (densidade normalizada pela velocidade), descarga (veículos saindo), frenagem (desaceleração) e congestionamento (gridlock - déficit de velocidade).
• Execução: A política opera em grafos de estado de tamanho variável. Para o processamento em lote (batching), cruzamentos com dimensões locais correspondentes são agrupados, evitando o preenchimento para um tamanho de grafo universal.

Principais Contribuições

1. Desacoplamento Estrutural: A principal contribuição é a interface arquitetônica que separa uma GNN compartilhada e reutilizável para pontuação de movimentos da construção determinística e específica de cada cruzamento para os espaços de ação. Isso permite que o sistema lide com tamanhos de grafo variáveis e contagens de ações variáveis sem necessidade de retreinamento ou alteração na topologia da rede.
2. Avaliação de Viabilidade: O artigo fornece evidência empírica da capacidade desta interface de executar em redes viárias heterogêneas, incluindo geometrias de grade sintéticas não vistas e cinco grafos de cidades distintas (Karlsruhe, Mannheim, Stuttgart, Heidelberg, Freiburg).
3. Fronteira Transparente: Ao contrário de trabalhos anteriores (ex: TransferLight) que aprendem hierarquias complexas ou semânticas de fase, esta abordagem mantém uma fronteira transparente onde a participação na fase e o tempo permanecem determinísticos, e o ator aprendido produz apenas um escalar por movimento.

Resultados Experimentais

A avaliação aborda três questões de pesquisa (RQs):

• RQ1 (Transferência dentro da Família Sintética): Em tamanhos de grade não vistos (ex: $6 \times 6$) e proporções geradas pelo mesmo gerador sintético, a política aprendida amostrada superou o baseline Max-Pressure tanto em vazão quanto em taxas de conclusão em todos os níveis de demanda (0.6, 0.7, 0.8).
• RQ2 (Mudança de Distribuição): Quando a cobertura de sinal foi reduzida (50% e 25%), a política treinada com cobertura total mostrou uma deterioração significativa de desempenho em comparação ao Max-Pressure. Isso indica sensibilidade a mudanças de distribuição na cobertura de sinais, apesar de a arquitetura permanecer estruturalmente executável.
• RQ3 (Viabilidade em Cidades): Uma única instância de política treinada foi executada em cinco grafos de cidades heterogêneas. Os resultados foram mistos:
  • Karlsruhe & Stuttgart: A política aprendida superou todos os baselines não aprendidos (Max-Pressure, Queue, Tempo Fixo) em vazão e conclusão.
  • Mannheim: Ficou atrás do baseline Queue.
  • Heidelberg: Desempenho similar ao Tempo Fixo.
  • Freiburg: Alcançou maior vazão e conclusão do que o Tempo Fixo, mas ao custo de maior densidade de espera.
  • Nota: Stuttgart serviu como o único teste real de generalização (sem rollouts de treinamento), enquanto os outros demonstraram execução através de domínios de treinamento heterogêneos.

Significância e Alegações

O artigo enquadra explicitamente sua contribuição como evidência de viabilidade, e não como uma garantia geral de transferência para quaisquer redes viárias arbitrárias.

• Escopo Modesto: Os autores afirmam que os resultados não estabelecem transferência geral para redes viárias arbitrárias. A avaliação é limitada a famílias específicas de simulação sintética e de cidades.
• Estrutural vs. Empírico: O artigo distingue a propriedade estrutural (a capacidade de executar em grafos variáveis, que é provada por construção) da robustez empírica (que se mostrou sensível a mudanças de distribuição, como mudanças na cobertura de sinais).
• Foco na Implementação: O trabalho avalia uma implementação e uma interface arquitetônica, em vez de propor um novo algoritmo de aprendizado por reforço. Ele destaca que, embora a interface suporte dimensões variáveis, o desempenho aprendido não é invariante a mudanças na distribuição do controlador ou na topologia subjacente da rede.

Em conclusão, o artigo demonstra que uma interface baseada em grafos pode separar com sucesso a pontuação de movimentos aprendida da lógica local de sinalização, permitindo a execução em geometrias de rede diversas e não vistas. No entanto, também revela que a executabilidade estrutural não garante automaticamente um desempenho robusto sob mudanças de distribuição ou através de todos os ambientes de cidades heterogêneas sem ajustes ou adaptações adicionais.