单交叉口信号强化学习控制

定时控制无法适应需求波动，而传统自适应控制(如 SCATS)依赖大量阈值调参。强化学习通过与仿真环境交互自动学习策略，但奖励设计与训练稳定性是难点。

探索强化学习在单交叉口信号控制中的可行性，验证其对需求波动的自适应能力。

状态取各进口排队长度与当前相位已持续时间；动作为 4 相位选择；奖励为负的加权延误与切换惩罚。用 DQN 在 SUMO+TraCI 中训练 2000 episode，经验回放 + 目标网络稳定训练。

RL 在仿真里表现出色，但 sim-to-real 的鸿沟很大。我下一步想用域随机化与真实 FCD 校准需求分布，缩小迁移差距。