論文の概要: Simulation Pipeline for Traffic Evacuation in Urban Areas and Emergency
Traffic Management Policy Improvements through Case Studies
- arxiv url: http://arxiv.org/abs/2002.06198v4
- Date: Sat, 22 Aug 2020 18:26:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-01 05:08:54.932201
- Title: Simulation Pipeline for Traffic Evacuation in Urban Areas and Emergency
Traffic Management Policy Improvements through Case Studies
- Title(参考訳): 都市における交通避難のシミュレーションパイプラインとケーススタディによる緊急交通管理政策の改善
- Authors: Yu Chen, S. Yusef Shafi, Yi-fan Chen
- Abstract要約: 交通避難は、ハリケーン、山火事、洪水、地震などの災害で生活を救う上で重要な役割を担っている。
我々は、地図作成、需要発生、車両の挙動、ボトルネック識別、交通管理ポリシーの改善、結果分析など、避難のさまざまな側面を探索する交通シミュレーションパイプラインを構築している。
このパイプラインをカリフォルニアの2つのケーススタディに適用する。
- 参考スコア(独自算出の注目度): 17.548969917692506
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traffic evacuation plays a critical role in saving lives in devastating
disasters such as hurricanes, wildfires, floods, earthquakes, etc. An ability
to evaluate evacuation plans in advance for these rare events, including
identifying traffic flow bottlenecks, improving traffic management policies,
and understanding the robustness of the traffic management policy are critical
for emergency management. Given the rareness of such events and the
corresponding lack of real data, traffic simulation provides a flexible and
versatile approach for such scenarios, and furthermore allows dynamic
interaction with the simulated evacuation. In this paper, we build a traffic
simulation pipeline to explore the above problems, covering many aspects of
evacuation, including map creation, demand generation, vehicle behavior,
bottleneck identification, traffic management policy improvement, and results
analysis. We apply the pipeline to two case studies in California. The first is
Paradise, which was destroyed by a large wildfire in 2018 and experienced
catastrophic traffic jams during the evacuation. The second is Mill Valley,
which has high risk of wildfire and potential traffic issues since the city is
situated in a narrow valley.
- Abstract(参考訳): 交通避難は、ハリケーン、山火事、洪水、地震などの災害で生活を救う上で重要な役割を果たしている。
交通流のボトルネックの特定,交通管理方針の改善,交通管理方針の堅牢性の理解など,これらのまれなイベントに対して,事前の避難計画の評価が緊急管理に不可欠である。
このようなイベントのまれさと実際のデータの欠如を考えると、交通シミュレーションはこのようなシナリオに対して柔軟で汎用的なアプローチを提供し、さらにシミュレーションされた避難と動的に相互作用できる。
本稿では,地図作成,需要発生,車両の挙動,ボトルネック識別,交通管理方針の改善,結果分析など,避難のさまざまな側面をカバーする交通シミュレーションパイプラインを構築した。
このパイプラインをカリフォルニアの2つのケーススタディに適用する。
1つ目はパラダイスであり、2018年の大規模な山火事で焼失し、避難中に壊滅的な交通渋滞に見舞われた。
2つ目はミル・バレーであり、市は狭い谷にあるので、山火事や交通の潜在的な危険性が高い。
関連論文リスト
- SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。
提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。
複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳(メタデータ) (2023-12-31T04:14:43Z) - Uncertainty Quantification for Image-based Traffic Prediction across
Cities [63.136794104678025]
不確実量化(UQ)法は確率論的推論を誘導するためのアプローチを提供する。
複数の都市にまたがる大規模画像ベース交通データセットへの適用について検討する。
モスクワ市を事例として,交通行動に対する時間的・空間的影響を考察した。
論文 参考訳(メタデータ) (2023-08-11T13:35:52Z) - Deep Reinforcement Learning to Maximize Arterial Usage during Extreme
Congestion [4.934817254755007]
本稿では,過度の混雑中における多車線高速道路の交通渋滞を軽減するための深層強化学習(DRL)手法を提案する。
エージェントは、渋滞した高速道路交通に対する適応的な抑止戦略を学ぶために訓練される。
エージェントは、急激な混雑時の非作用と比較して平均交通速度を21%向上させることができる。
論文 参考訳(メタデータ) (2023-05-16T16:53:27Z) - Traffic Accident Risk Forecasting using Contextual Vision Transformers [4.8986598953553555]
私たちは、エンド・ツー・エンドのアプローチでトレーニングできる新しいフレームワーク、すなわちコンテキスト・ビジョン・トランスフォーマーを提案しています。
文献からのベースラインアプローチに対する提案手法の性能評価と比較を行った。
その結果,従来の論文(SoTA)と比較すると,約2%のRMSEスコアで有意な改善が見られた。
論文 参考訳(メタデータ) (2022-09-20T23:38:06Z) - A Deep Learning Approach for Network-wide Dynamic Traffic Prediction
during Hurricane Evacuation [1.3706331473063877]
本稿では,ネットワーク規模で避難トラフィックを予測するための新しいデータ駆動手法を提案する。
ハリケーン避難のネットワーク力学を学習するための動的グラフ畳み込みLSTM(DGCN-LSTM)モデルを開発した。
論文 参考訳(メタデータ) (2022-02-25T05:40:24Z) - Generating Useful Accident-Prone Driving Scenarios via a Learned Traffic
Prior [135.78858513845233]
STRIVEは、特定のプランナーが衝突のような望ましくない振る舞いを発生させるような、困難なシナリオを自動的に生成する手法である。
シナリオの妥当性を維持するために、キーとなるアイデアは、グラフベースの条件付きVAEという形で、学習した交通運動モデルを活用することである。
その後の最適化は、シナリオの"解決"を見つけるために使用され、与えられたプランナーを改善するのに有効である。
論文 参考訳(メタデータ) (2021-12-09T18:03:27Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳(メタデータ) (2021-08-02T08:13:57Z) - Automated Object Behavioral Feature Extraction for Potential Risk
Analysis based on Video Sensor [6.291501119156943]
歩行者は道路、特に標識のない横断歩道で死亡や重傷を負う危険にさらされている。
本研究では,道路上に展開された映像センサから物体の行動特徴を効果的に抽出するシステムを提案する。
本研究は、スマートシティーに実用的なデータを提供するためのコネクテッドビデオセンサネットワークの可能性を示す。
論文 参考訳(メタデータ) (2021-07-08T01:11:31Z) - Listening to the city, attentively: A Spatio-Temporal Attention Boosted
Autoencoder for the Short-Term Flow Prediction Problem [0.9625436987364908]
マルチアテンション(空間的および時間的)を備えたSTREED-Netと呼ばれるフレームワークを提案し、高レベルの空間的および時間的特徴をより良くマイニングする。
都市が分断された異なる地域の流入と流出を予測するために、3つの実際のデータセットの実験を行います。
論文 参考訳(メタデータ) (2021-03-01T13:17:33Z) - Deep Structured Reactive Planning [94.92994828905984]
自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。
本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
論文 参考訳(メタデータ) (2021-01-18T01:43:36Z) - MetaVIM: Meta Variationally Intrinsic Motivated Reinforcement Learning for Decentralized Traffic Signal Control [54.162449208797334]
交通信号制御は、交差点を横断する交通信号を調整し、地域や都市の交通効率を向上させることを目的としている。
近年,交通信号制御に深部強化学習(RL)を適用し,各信号がエージェントとみなされる有望な性能を示した。
本稿では,近隣情報を考慮した各交差点の分散化政策を潜時的に学習するメタ変動固有モチベーション(MetaVIM)RL法を提案する。
論文 参考訳(メタデータ) (2021-01-04T03:06:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。