CFLight：通过反事实学习提高交通信号灯控制的安全性和有效性

提供了基于反事实学习的交通信号控制方法，包括：用于交通信号控制的强化学习模型与真实环境交互，根据真实环境的道路交叉口的当前状态s生成控制交通信号的动作a，并获得更新后的状态s’与奖励r；从真实环境收集状态转移元组(s，a，s’r)作为真实环境轨迹添加到所述强化学习模型的重放缓冲区；其中r代表由所述强化学习模型自身的奖励与安全奖励共同生成的奖励；从反事实环境收集状态转移元组(s，a_cf，s’,r)作为反事实环境轨迹添加到所述强化学习模型的重放缓冲区；其中a_cf代表反事实环境中的交通信号控制动作，反事实环境轨迹的奖励r代表由所述强化学习模型自身的奖励与反事实奖励CFr共同生成的奖励；从所述重放缓冲区采样轨迹并更新所述强化学习模型；以及根据所述强化学习模型生成的动作a产生交通信号。