提案するフレームワークは、エッジインテリジェンスを活用し、複数の隣接するエッジコンピューティングサーバーと協調して道路ネットワーク全体の交通情報を収集し、ハイパーグラフ学習を組み込んだ多エージェントのソフトアクタークリティック(MA-SAC)強化学習アルゴリズムを用いて、交通信号の最適化を行う。
本稿では、都市交通網における従来型の交通量感応型信号制御手法であるTUC (Traffic-responsive Urban Control) を拡張し、外生的需要(ネットワークの起点・終点またはリンク内で発生する流入・流出交通量)のリアルタイム推定とフィードフォワード制御を導入することで、交通状況の変化に対する応答性と制御性能を向上させる手法を提案する。