都市の交通が複雑化する中、交通信号制御は交通の流れの最適化と道路安全の改善に不可欠です。本稿では、緊急時における大規模言語モデル（LLM）の信頼性の問題を解決するために、情報検索強化生成（RAG）に基づいた分散型LLMエージェントを提案します。このエージェントは、緊急シナリオに応じて柔軟に推論の深さを調整し、歴史的な事例からの知識とガイダンスを抽出する独自の「Reviewer-based Emergency RAG」を搭載しています。さらに、異なる交差点に対して一般化可能な交通表現を設計し、環境フィードバックに基づく優先度から経験をサンプリングする「報酬指導強化改善（R3）」法を提案しています。実験では、17から177の異なる交差点を含む3つの実世界の道路ネットワークで、提案した方法が移動時間を42.00%、待機車列を62.31%、緊急車両の待機時間を83.16%削減することが示され、最先端の他手法よりも優れた結果を得ました。