DTM（Data on the Move）项目旨在通过数据交易和分析，优化城市交通系统。该项目结合SUMO交通流仿真和智能数据定价算法，通过交通信号灯与车辆间的数据交易，提高交通效率。
- 使用SUMO模拟城市主干道交通流和事故。
- 信号灯与车辆间进行数据交易，包括事故信息和交通流数据。
- LLM（Large Language Model）用于数据定价和交易。
- 构建历史数据库，用于交易分析和系统优化。
- 克隆仓库：
git clone https://github.com/FairsLab/DTM.git - 安装依赖：详见
requirements.txt - 交通仿真和数据定价：运行
main.py，推荐使用python -m DTM.main
- 双向4车道城市主干道仿真。
- 信号灯购买车辆数据，使用代币作为交易媒介。
- 数据价值提升时，为控制器提供激励。
- 交通效率提升时，系统为控制器提供反馈激励。
欢迎通过Issue和Pull Request参与项目贡献。请遵循我们的代码规范和贡献指南。
本项目遵循MIT许可。详见LICENSE文件。
有关项目的任何疑问，请联系项目维护者。
- 增加history_price的计算机制
- 增加生成agent preference的功能
- 在logs里面增加trading_data， trading_histroy 和preference的存储
- 增加 signal control strategy 的动态选择
- 增加与 SUMO RL的控制策略效果对比
- 加速SUMO车辆信息update的速度
- 多线程调用SUMO