オンライン探索なしの緊急時プリエンプション：Decision Transformer（決定トランスフォーマー）アプローチ

要旨: 緊急車両（EV）の応答時間は、生存結果を左右する重要な決定要因であるにもかかわらず、配備された信号優先（preemption）戦略は依然として反応的で制御不能です。Decision Transformer（DT）に基づき、緊急コリドー最適化のための「リターン条件付け」フレームワークを提案します。コリドー最適化を、オフラインにおけるリターン条件付けの系列モデリングとして定式化することで、提案手法は（1）方策学習中のオンライン環境との相互作用を排除し、（2）単一の目標リターンスカラーによって出動（dispatch）レベルの切迫度制御を可能にし、（3）空間的な協調のためのグラフ注意機構を備えたマルチエージェント・ディシジョン・トランスフォーマー（MADT）に拡張することでマルチエージェント設定にも対応します。LightSimシミュレータ上でDTは、4x4グリッドにおける固定タイミングの優先に対して平均EV走行時間を37.7%削減します（88.6 s vs. 142.3 s）。これにより、全手法の中で最も小さい一般車両の遅延（11.3 s/veh）と最も少ないEV停止回数（1.2）を達成し、環境との相互作用を必要とするオンライン強化学習（RL）ベースラインを含みます。MADTはさらに大規模グリッドで改良され、グラフ注意による協調によって8x8でDTを上回り、45.2%の削減を達成します。リターン条件付けにより、滑らかな出動インターフェースが得られます。目標リターンを100から-400まで変えると、EV走行時間（72.4-138.2 s）と一般車両遅延（16.8-5.4 s/veh）の間でトレードオフが生じますが、再学習は不要です。Constrained DTの拡張では、2つ目の制御ノブとして一般車両の破壊（混乱）に関する明示的な予算を追加します。