iLLM-TSC

用大语言模型增强强化学习，让交通信号控制更智能高效。

iLLM-TSC 是一个将强化学习与大语言模型结合用于交通信号控制策略优化的开源项目，对应同名论文。它解决传统强化学习在交通信号控制中奖励稀疏、策略迁移性差的问题，通过大语言模型提供语义理解和先验知识，辅助强化学习智能体更高效地学习信号配时策略。核心能力包括：集成强化学习与大语言模型的混合架构、支持多种交通仿真环境、提供策略改进与评估的完整流程。项目代码基于 Python，包含模型训练、推理和可视化模块，适合研究交通智能体与语言模型融合的学者。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 81
维护状态 较活跃
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队Traffic-Alpha
所属国家
官网地址
GitHubhttps://github.com/Traffic-Alpha/iLLM-TSC
定价模式free
价格说明开源项目，Apache-2.0许可证，可免费使用和修改。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型ai-agents,large-language-models,reinforcement-learning,traffic-signal-control
GitHub 星标★ 81
30天Star增速
HF 下载量
上线时间2023-09-17 00:00:00
最近更新2026-09-20 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5

使用教程

核心亮点

  • 创新性地将LLM引入交通信号控制，提供跨模态策略优化思路
  • 代码结构清晰，包含完整训练与评估流程，易于复现论文结果
  • 支持自定义交通场景，便于扩展至不同路网配置

不足之处

  • 依赖特定仿真环境，部署门槛较高
  • 文档/社区待观察

适用场景

  • 学术研究：探索LLM与强化学习在智能交通中的融合方法
  • 智慧城市：优化城市路口信号配时，缓解交通拥堵
  • 策略迁移：利用LLM先验知识加速新场景下的强化学习训练

替代项目

CityFlow、SUMO-RL、Efficient-Mobility

项目介绍

iLLM-TSC 是行业应用领域的开源项目，由 Traffic-Alpha 开发，2023 年首次发布。

它收录于行业应用分类，该分类目前共有 545 个项目，GitHub 星标数为 81。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-20。Apache-2.0许可证，可免费使用和修改。

它主要面向的使用场景是：学术研究：探索LLM与强化学习在智能交通中的融合方法。同类可对比的替代方案包括 CityFlow、SUMO-RL、Efficient-Mobility。

上一篇：KARE

下一篇：Protein-LLM-Survey

同类项目推荐

xmgai-like 开源

换脸、艺术二维码随手玩，副业灵感一包带走。

本开源 AI 副业搞钱项目集成了强大功能，包括 AI 艺术二维码生成、AI 换脸、Delle3 绘画等···

★ 60 2026-08-09
spoken-to-signed-translation 开源

把口语文本一路转成手语视频的流水线

a text-to-gloss-to-pose-to-video pipeline for spoken to signed language translation

★ 102 2026-09-11
LiveTranslate 开源

直播看片实时翻译，字幕秒出，跨语言无压力

Real-time audio translation, captures system audio + mic, runs ASR (Whisper/SenseVoi···

★ 691 2026-08-13