标签
本文提出了一种偏好条件多目标强化学习控制器，用于公交信号优先，可在无需重新训练的情况下，在运行时调整公交优先与整体交通延误之间的权衡。实验表明，该控制器在维持可行性约束的同时，优于固定时间和基于规则的基线方法。