論文の概要: V2I Connectivity-Based Dynamic Queue-Jump Lane for Emergency Vehicles: A Deep Reinforcement Learning Approach

• arxiv url: http://arxiv.org/abs/2008.00335v2
• Date: Sat, 29 May 2021 17:53:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-04 00:29:10.484650
• Title: V2I Connectivity-Based Dynamic Queue-Jump Lane for Emergency Vehicles: A Deep Reinforcement Learning Approach
• Title（参考訳）: 緊急車両用V2I接続型動的待ち行列車線:深部強化学習アプローチ
• Authors: Haoran Su, Kejian Shi, Li Jin and Joseph Y.J. Chow
• Abstract要約: EMVサービスの遅延の主な理由は、EMVをブロックする車両間の通信と協力の欠如である。 連結車両のリアルタイム協調に基づく動的待ち行列ジャンプレーン(DQJL)の確立について検討する。 本稿では、最適調整命令を効率的に計算するディープニューラルネットワークに基づく強化学習アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 3.39322931607753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emergency vehicle (EMV) service is a key function of cities and is exceedingly challenging due to urban traffic congestion. A main reason behind EMV service delay is the lack of communication and cooperation between vehicles blocking EMVs. In this paper, we study the improvement of EMV service under V2I connectivity. We consider the establishment of dynamic queue jump lanes (DQJLs) based on real-time coordination of connected vehicles. We develop a novel Markov decision process formulation for the DQJL problem, which explicitly accounts for the uncertainty of drivers' reaction to approaching EMVs. We propose a deep neural network-based reinforcement learning algorithm that efficiently computes the optimal coordination instructions. We also validate our approach on a micro-simulation testbed using Simulation of Urban Mobility (SUMO). Validation results show that with our proposed methodology, the centralized control system saves approximately 15\% EMV passing time than the benchmark system.
• Abstract（参考訳）: 救急車(EMV)サービスは都市の重要な機能であり、都市交通渋滞のため非常に困難である。 EMVサービスの遅延の主な理由は、EMVをブロックする車両間の通信と協力の欠如である。 本稿では,V2I接続下でのEMVサービスの改善について検討する。 我々は,連結車両のリアルタイム協調に基づく動的待ち行列ジャンプレーン(dqjls)の確立を検討する。 我々は,emvに接近するドライバーの反応の不確かさを明示的に考慮した,dqjl問題に対する新しいマルコフ決定過程の定式化法を開発した。 最適なコーディネーション命令を効率的に計算する深層ニューラルネットワークに基づく強化学習アルゴリズムを提案する。 都市移動シミュレーション (SUMO) を用いて, マイクロシミュレーションテストベッドへのアプローチを検証する。 評価の結果,提案手法により,集中制御系はベンチマークシステムよりも約15倍のEMV通過時間を節約できることがわかった。

関連論文リスト

• Federated Data-Driven Kalman Filtering for State Estimation [49.40531019551957]
  本稿では,協調学習やフェデレート学習のパラダイムに基づく,新たなローカライゼーションフレームワークを提案する。 我々は、従来の拡張カルマンフィルタの基盤となるシステム不確実性を推定することを目的とした、リカレントニューラルネットワークであるKalmanNetの標準的なアプローチに基づいて構築する。 FedKalmanNetは、関連するシステム不確実性行列を推定することにより、各車両が自身をローカライズするために使用される。
  論文  参考訳（メタデータ） (2024-11-06T16:18:33Z)
• MOB-FL: Mobility-Aware Federated Learning for Intelligent Connected Vehicles [21.615151912285835]
  我々は、ニューラルネットワークを協調的かつ分散的に訓練するために、近隣のICVをコーディネートする基地局を考える。 車両の移動性のため、基地局とICV間の接続は短命である。 本稿では,各トレーニングラウンドの時間と局所的なイテレーション回数を最適化し,FL-ICVフレームワークの高速化を提案する。
  論文  参考訳（メタデータ） (2022-12-07T08:53:53Z)
• Reinforcement Learning for Joint V2I Network Selection and Autonomous Driving Policies [14.518558523319518]
  自動運転車(AV)の信頼性向上に向けたV2I通信の重要性が高まっている 道路衝突を最小限に抑えるため,AVのネットワーク選択と運転ポリシーを同時に最適化することが重要である。 我々は,効率的なネットワーク選択と自律運転ポリシーを特徴付ける強化学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2022-08-03T04:33:02Z)
• EMVLight: a Multi-agent Reinforcement Learning Framework for an Emergency Vehicle Decentralized Routing and Traffic Signal Control System [4.622745478006317]
  救急車(EMV)は、都市部における救急医療や火災発生などの時間的危機に対応する上で重要な役割を担っている。 EMVディスパッチの既存の手法は、典型的には、過去のトラフィックフローデータに基づいて経路を最適化し、それに従って交通信号のプリエンプションを設計する。 本研究では,共同動的EMVルーティングと交通信号プリエンプションのための分散強化学習フレームワークであるEMVLightを提案する。
  論文  参考訳（メタデータ） (2022-06-27T16:46:20Z)
• AI-aided Traffic Control Scheme for M2M Communications in the Internet of Vehicles [61.21359293642559]
  交通のダイナミクスと異なるIoVアプリケーションの異種要求は、既存のほとんどの研究では考慮されていない。 本稿では,ハイブリッド交通制御方式とPPO法を併用して検討する。
  論文  参考訳（メタデータ） (2022-03-05T10:54:05Z)
• An Energy Consumption Model for Electrical Vehicle Networks via Extended Federated-learning [50.85048976506701]
  本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。 バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
  論文  参考訳（メタデータ） (2021-11-13T15:03:44Z)
• A Decentralized Reinforcement Learning Framework for Efficient Passage of Emergency Vehicles [6.748225062396441]
  救急車(EMV)は、都市が時間的に重要な出来事に対処する上で重要な役割を担っている。 EMVの走行時間を短縮するための既存のアプローチでは、経路最適化と信号プリエンプションが採用されている。 本稿では,動的ルーティングと信号制御を同時に行うためのフレームワークであるEMVLightを紹介する。
  論文  参考訳（メタデータ） (2021-10-30T16:13:48Z)
• A Deep Value-network Based Approach for Multi-Driver Order Dispatching [55.36656442934531]
  そこで本研究では,注文発送のための深層強化学習に基づくソリューションを提案する。 DiDiの配車プラットフォーム上で大規模なオンラインA/Bテストを実施している。 その結果,CVNetは近年提案されているディスパッチ手法よりも一貫して優れていた。
  論文  参考訳（メタデータ） (2021-06-08T16:27:04Z)
• Optimizing Mixed Autonomy Traffic Flow With Decentralized Autonomous Vehicles and Multi-Agent RL [63.52264764099532]
  本研究では、完全分散制御方式を用いて、混合自律環境でのボトルネックのスループットを向上させる自動運転車の能力について検討する。 この問題にマルチエージェント強化アルゴリズムを適用し、5%の浸透速度で20%から40%の浸透速度で33%までのボトルネックスループットの大幅な改善が達成できることを実証した。
  論文  参考訳（メタデータ） (2020-10-30T22:06:05Z)
• Dynamic Queue-Jump Lane for Emergency Vehicles under Partially Connected Settings: A Multi-Agent Deep Reinforcement Learning Approach [3.39322931607753]
  救急車(EMV)サービスは都市の重要な機能であり、都市交通渋滞のため非常に困難である。 本稿では,V2X接続下でのEMVサービスの改善について検討する。 非接続車両の存在下での連結車両のリアルタイム協調に基づく動的キュージャンプレーン(DQJL)の確立を検討する。
  論文  参考訳（メタデータ） (2020-03-02T16:59:21Z)
• Reinforcement Learning Based Vehicle-cell Association Algorithm for Highly Mobile Millimeter Wave Communication [53.47785498477648]
  本稿では,ミリ波通信網における車とセルの関連性について検討する。 まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。 提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
  論文  参考訳（メタデータ） (2020-01-22T08:51:05Z)

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。