由于道路上数量众多的车辆的交通需求，经常会出现交通问题。 最大化交通流量和最小化平均等待时间是智能交通控制的目标。 每个路口都希望获得更大的交通流量。 在此过程中，路口形成协调政策以及对相邻路口的约束，以最大化其自身利益。 良好的交通信号定时策略有助于解决该问题。 但是，由于有太多因素会影响交通控制模型，因此很难找到最佳解决方案。 交通信号灯控制器无法从过去的经验中学习，导致他们无法适应交通流量的动态变化。 考虑到实际交通环境的动态特性，可以采用基于强化学习算法的交通控制方法来获得最优的调度策略