論文の概要: Integrated Self-Organized Traffic Light Controllers for Signalized
Intersections
- arxiv url: http://arxiv.org/abs/2008.11350v1
- Date: Wed, 26 Aug 2020 02:41:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-24 22:23:54.165001
- Title: Integrated Self-Organized Traffic Light Controllers for Signalized
Intersections
- Title(参考訳): 信号化区間用統合自己組織型交通光制御器
- Authors: Maythem K. Abbas, Mohd Noh Karsiti, Madzlan Napiah, Samir Brahim
- Abstract要約: 本稿では、緊急車両の存在を解消した上で、交差点の状況の安定化・回復を図るために、より良い交通光位相計画を見つけるという課題について考察する。
ハードウェアのセットアップと新しいメッセージングプロトコルが道路や車両に構築され、道路データをリアルタイムで収集することが提案されている。
緊急ケースの解決後,交差点で待ち行列の長さを安定化する上で,重要な拡張が見られた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Detecting emergency vehicles arrival on roads has been the focus for many
researchers. It is quite important to detect the emergency vehicles (e.g;
ambulance) arrival to traffic light to give the green light for it to pass
through. Many researchers have suggested and patented emergency vehicles
detection systems however, according to our knowledge, none of them considered
solving the effect of giving extra green time to a road while the queues are
being built on others. This paper considers the problem of finding a better
traffic light phase plan to stabilize/recover the situation at an effected
intersection after solving an emergency vehicle existence. A hardware setup and
a novel messaging protocol have been suggested to be set on roads and vehicles
to collect roads real time data. In addition, a novel decision making protocol
has been created to make the use of the collected data for making a better
traffic light phase plan for an intersection. The phase plan has two main
decisions to be made; which light has a higher priority to be green in the next
phase, and how long the green phase should be. After simulating the proposed
system using our customized simulator written in Matlab programing language and
comparing its performance with other related works, significant enhancements
have been observed in terms of stabilizing the queue lengths at an intersection
after solving an emergency case.
- Abstract(参考訳): 道路への緊急車両の到着を検知することが、多くの研究者の焦点となっている。
緊急車両(救急車など)が信号機に着くのを検知し、信号機を通すグリーンライトを与えることは極めて重要である。
多くの研究者が緊急車両検知システムを提案し特許を取得したが、私たちの知る限り、待ち行列が他で構築されている間に道路に余分な時間を与える効果を解決しようとは考えていなかった。
本稿では,緊急車両の存在を解消した後の交差点における状況の安定・再把握のための,より優れた交通光位相計画を見出すことの問題点について考察する。
ハードウェアのセットアップと新しいメッセージングプロトコルが道路や車両に設定され、リアルタイムで道路データを収集することが提案されている。
また、収集したデータを利用して交差点の交通軽量化計画を作成するための新たな意思決定プロトコルが作成されている。
フェーズプランには、次のフェーズで緑になるのが優先される光と、グリーンフェーズがどれくらい長くあるべきかという2つの主要な決定がある。
matlabプログラム言語で記述されたカスタマイズシミュレータを用いて提案システムをシミュレートし,その性能を他の関連作品と比較した後,非常事態解決後の交差点における待ち行列長の安定化という観点で大幅に改善した。
関連論文リスト
- Multi-Source Urban Traffic Flow Forecasting with Drone and Loop Detector Data [61.9426776237409]
ドローンが捉えたデータは、大規模都市ネットワークのための正確なマルチセンサー移動観測所を作ることができる。
単純なグラフベースモデルHiMSNetは、複数のデータモダリティと学習時間相関を統合するために提案されている。
論文 参考訳(メタデータ) (2025-01-07T03:23:28Z) - DenseLight: Efficient Control for Large-scale Traffic Signals with Dense
Feedback [109.84667902348498]
交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。
従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。
DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
論文 参考訳(メタデータ) (2023-06-13T05:58:57Z) - Real-Time Accident Detection in Traffic Surveillance Using Deep Learning [0.8808993671472349]
本稿では,交通監視用交差点における事故検出のための新しい効率的な枠組みを提案する。
提案手法は,最先端のYOLOv4法に基づく効率的かつ高精度な物体検出を含む,3つの階層的なステップから構成される。
提案フレームワークのロバスト性は,様々な照明条件でYouTubeから収集した映像シーケンスを用いて評価する。
論文 参考訳(メタデータ) (2022-08-12T19:07:20Z) - Integrated Decision and Control at Multi-Lane Intersections with Mixed
Traffic Flow [6.233422723925688]
本稿では,混在交通流を伴う複雑な交差点を扱うための学習に基づくアルゴリズムを提案する。
まず、学習過程における緑と赤の異なる速度モデルについて検討し、有限状態マシンを用いて異なるモードの光変換を扱う。
次に, 車両, 信号機, 歩行者, 自転車にそれぞれ異なる種類の距離制約を設計し, 制約された最適制御問題をフォーミュレートする。
論文 参考訳(メタデータ) (2021-08-30T07:55:32Z) - Deep Representation of Imbalanced Spatio-temporal Traffic Flow Data for
Traffic Accident Detection [0.3670422696827526]
本稿では,高速道路事故の自動検出のためのLong-Short Term Memory (LSTM) ネットワークを用いたループ検出データの深部表現について検討する。
ミネソタ州ツインシティーズ・メトロの高速道路から収集された実事故およびループ検出データの実験は、LSTMネットワークを用いた交通流データの深部表現が18分以内で高速道路事故を検出する可能性を実証している。
論文 参考訳(メタデータ) (2021-08-21T13:18:04Z) - Safe Deep Q-Network for Autonomous Vehicles at Unsignalized Intersection [4.94950858749529]
本稿では,歩行者の群集を通りながら,信号のない交差点で左折しながら,安全なDRLアプローチを提案する。
提案手法では,2つの長期記憶モデルを用いて,環境の認識状態と歩行者の将来の軌跡を学習する。
エゴ車両と歩行者の将来の軌道に基づく将来の衝突予測アルゴリズムを用いて、システムが衝突を予測した場合の安全でない行動を隠蔽する。
論文 参考訳(メタデータ) (2021-06-08T17:48:56Z) - End-to-End Intersection Handling using Multi-Agent Deep Reinforcement
Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。
本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。
本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文 参考訳(メタデータ) (2021-04-28T07:54:40Z) - Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。
本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
論文 参考訳(メタデータ) (2021-04-19T11:48:13Z) - 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) - A Graph Convolutional Network with Signal Phasing Information for
Arterial Traffic Prediction [63.470149585093665]
動脈交通予測は 現代のインテリジェント交通システムの発展に 重要な役割を担っています
動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。
我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
論文 参考訳(メタデータ) (2020-12-25T01:40:29Z) - Deep Learning with Attention Mechanism for Predicting Driver Intention
at Intersection [2.1699196439348265]
提案手法は、高度運転支援システム(ADAS)および自動運転車のアクティブ安全システムの一部として適用されることを約束している。
提案手法の性能評価を行い,本手法が他の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2020-06-10T16:12:00Z)
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。