論文の概要: Data-Driven Intersection Management Solutions for Mixed Traffic of
Human-Driven and Connected and Automated Vehicles
- arxiv url: http://arxiv.org/abs/2012.05402v1
- Date: Thu, 10 Dec 2020 01:44:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-15 06:07:14.312675
- Title: Data-Driven Intersection Management Solutions for Mixed Traffic of
Human-Driven and Connected and Automated Vehicles
- Title（参考訳）: 人力・連系・自動車両の混在交通に対するデータ駆動断面積管理ソリューション
- Authors: Masoud Bashiri
- Abstract要約: この論文は、コネクテッドカーとオートマチックカーの存在下での都市交通制御のための2つの解決策を提案する。
まず, 協調的交差点管理問題に対して, 集中型小隊制御器を提案する。
第二に,コネクテッドカーの存在下での適応信号制御のためのデータ駆動手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This dissertation proposes two solutions for urban traffic control in the
presence of connected and automated vehicles. First a centralized platoon-based
controller is proposed for the cooperative intersection management problem that
takes advantage of the platooning systems and V2I communication to generate
fast and smooth traffic flow at a single intersection.
Second, a data-driven approach is proposed for adaptive signal control in the
presence of connected vehicles. The proposed system relies on a data-driven
method for optimal signal timing and a data-driven heuristic method for
estimating routing decisions. It requires no additional sensors to be installed
at the intersection, reducing the installation costs compared to typical
settings of state-of-the-practice adaptive signal controllers.
The proposed traffic controller contains an optimal signal timing module and
a traffic state estimator. The signal timing module is a neural network model
trained on microscopic simulation data to achieve optimal results according to
a given performance metric such as vehicular delay or average queue length. The
traffic state estimator relies on connected vehicles' information to estimate
the traffic's routing decisions. A heuristic method is proposed to minimize the
estimation error. With sufficient parameter tuning, the estimation error
decreases as the market penetration rate (MPR) of connected vehicles grows.
Estimation error is below 30% for an MPR of 10% and it shrinks below 20% when
MPR grows larger than 30%.
Simulations showed that the proposed traffic controller outperforms Highway
Capacity Manual's methodology and given proper offline parameter tuning, it can
decrease average vehicular delay by up to 25%.
- Abstract（参考訳）: この論文は、コネクテッドカーとオートマチックカーの存在下での都市交通制御のための2つの解決策を提案する。
まず, 1つの交差点で高速かつスムーズな交通流を生成するために, 小隊システムとV2I通信を利用する協調的交差点管理問題に対して, 集中型小隊制御器を提案する。
第二に,コネクテッドカーの存在下での適応信号制御のためのデータ駆動手法を提案する。
提案方式は、最適信号タイミングのデータ駆動手法と、ルーティング決定を推定するためのデータ駆動ヒューリスティック手法に依存する。
追加のセンサーを交点に設置する必要はなく、現在の適応型信号制御装置の典型的な設定と比べて設置コストを削減できる。
提案するトラヒックコントローラは、最適な信号タイミングモジュールとトラヒック状態推定器を含む。
信号タイミングモジュールは、微視的シミュレーションデータに基づいて訓練されたニューラルネットワークモデルであり、車両遅延や平均待ち時間のような所定の性能指標に従って最適な結果を得る。
交通状態推定器は、接続された車両の情報に基づいて、交通の経路決定を推定する。
推定誤差を最小化するヒューリスティックな手法を提案する。
パラメータチューニングが十分であれば,コネクテッドカーの市場浸透率(mpr)が増加するにつれて,推定誤差が減少する。
推定誤差は10%のMPRで30%以下であり、MPRが30%以上大きくなると20%以下に低下する。
シミュレーションにより,提案手法は高速道路容量マニュアルの手法を上回り,適切なオフラインパラメータチューニングを行うことで,車両平均遅延を最大25%低減できることを示した。
関連論文リスト
- Efficient and Robust Freeway Traffic Speed Estimation under Oblique Grid using Vehicle Trajectory Data [19.01488741469791]
斜め交通速度を正確に推定するための効率的でロバストな低ランクモデルを提案する。
提案手法は,TSEシナリオにおけるルート平均角誤差(RMSE)を最大12%改善する。
最先端のSOTA(State-of-the-art)メソッドよりも20倍以上高速に動作します。
論文 参考訳（メタデータ） (2024-11-06T15:13:40Z) - Improving Traffic Flow Predictions with SGCN-LSTM: A Hybrid Model for Spatial and Temporal Dependencies [55.2480439325792]
本稿ではSGCN-LSTM(Signal-Enhanced Graph Convolutional Network Long Short Term Memory)モデルを提案する。
PEMS-BAYロードネットワークトラフィックデータセットの実験は、SGCN-LSTMモデルの有効性を示す。
論文 参考訳（メタデータ） (2024-11-01T00:37:00Z) - Reinforcement Learning for Adaptive Traffic Signal Control: Turn-Based and Time-Based Approaches to Reduce Congestion [2.733700237741334]
本稿では,交差点における信号処理の強化にReinforcement Learning(強化学習)を用いることについて検討する。
本稿では,リアルタイム待ち行列長に基づく信号の動的優先順位付けを行うターンベースエージェントと,交通条件に応じた信号位相長の調整を行うタイムベースエージェントの2つのアルゴリズムを紹介する。
シミュレーションの結果、両RLアルゴリズムは従来の信号制御システムよりも大幅に優れていた。
論文 参考訳（メタデータ） (2024-08-28T12:35:56Z) - Adaptive Transit Signal Priority based on Deep Reinforcement Learning and Connected Vehicles in a Traffic Microsimulation Environment [0.0]
本研究は、適応トランジット信号優先(TSP)アルゴリズムを含むRLベースのトラフィック制御を拡張した。
このエージェントは、バスの走行時間を約21%短縮し、飽和率0.95で一般交通に悪影響を及ぼすことを示した。
論文 参考訳（メタデータ） (2024-07-31T18:17:22Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - Development of a CAV-based Intersection Control System and Corridor
Level Impact Assessment [0.696125353550498]
本稿では,画素予約アルゴリズムとDeep Reinforcement Learning (DRL)決定論理を組み合わせたCAVの信号自由交叉制御システムを提案する。
提案モデルでは,他のCAV制御システムと比較して,中等度,高,極端の容積状態において50%,29%,および23%の遅延を減少させる。
論文 参考訳（メタデータ） (2022-08-21T21:56:20Z) - 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) - Deep Reinforcement Q-Learning for Intelligent Traffic Signal Control
with Partial Detection [0.0]
インテリジェントな信号制御装置は、DQNアルゴリズムをトラフィック光ポリシー最適化に適用し、リアルタイムトラフィックに信号を調整することで、トラフィックの混雑を効率的に軽減する。
しかしながら、文献のほとんどの命題は、交差点の全ての車両が検出される、非現実的なシナリオであると考えている。
本研究では,連結車両を用いた部分的に観測可能な環境下で,信号制御を最適化する深層強化Q-ラーニングモデルを提案する。
論文 参考訳（メタデータ） (2021-09-29T10:42:33Z) - Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。
本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。
提案手法は,高品質なトラフィックフローマップを作成できる。
論文 参考訳（メタデータ） (2021-09-29T07:51:49Z) - 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) - 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。