CONTROLLO SEMAFORICO ADATTIVO GERARCHICO BASATO SU LARGE LANGUAGE MODELS CON VINCOLI DI SICUREZZA IN AMBIENTE SUMO

The project aims to design and validate a hierarchical controller where a Large Language Model (LLM) makes high-level traffic signal decisions based on real-time observations from the SUMO simulator. The LLM processes a structured numerical state and selects macro-actions, while a deterministic level (safety supervisor) applies temporal constraints and safe traffic light sequences. System performance is validated through a multi-scenario and multi-seed statistical analysis of KPIs (queues, waiting times, throughput), comparing them with classical baselines such as fixed-time, actuated, and pressure-based controls.

Il progetto consiste nel progettare e validare un controller gerarchico in cui un Large Language Model (LLM) produce decisioni semaforiche ad alto livello basate su osservazioni in tempo reale dal simulatore SUMO. L'LLM elabora uno stato numerico strutturato e seleziona macro-azioni, mentre un livello deterministico (safety supervisor) applica i vincoli temporali e le sequenze semaforiche di sicurezza. Le prestazioni del sistema vengono validate tramite un'analisi statistica multi-scenario e multi-seed dei KPI (code, tempi di attesa, throughput) confrontandole con baseline classiche come controlli fixed-time, actuated e pressure-based.