論文の概要: CVLight: Deep Reinforcement Learning for Adaptive Traffic Signal Control with Connected Vehicles

• arxiv url: http://arxiv.org/abs/2104.10340v1
• Date: Wed, 21 Apr 2021 03:38:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-22 22:36:42.958850
• Title: CVLight: Deep Reinforcement Learning for Adaptive Traffic Signal Control with Connected Vehicles
• Title（参考訳）: CVLight:コネクテッドカーを用いた適応交通信号制御のための深層強化学習
• Authors: Wangzhi Li, Yaxing Cai, Ujwal Dinesha, Yongjie Fu, Xuan Di
• Abstract要約: CVLight」は、適応交通信号制御のための強化学習方式です。 通信車両(CV)のみから収集したデータを使用する。 CVデータに基づいて複数の交差点を効率的に制御でき、CV浸透率が20%未満の場合にも同様またはそれ以上の性能を達成することができる。
• 参考スコア（独自算出の注目度）: 0.9449650062296824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper develops a reinforcement learning (RL) scheme for adaptive traffic signal control (ATSC), called "CVLight", that leverages data collected only from connected vehicles (CV). Seven types of RL models are proposed within this scheme that contain various state and reward representations, including incorporation of CV delay and green light duration into state and the usage of CV delay as reward. To further incorporate information of both CV and non-CV into CVLight, an algorithm based on actor-critic, A2C-Full, is proposed where both CV and non-CV information is used to train the critic network, while only CV information is used to update the policy network and execute optimal signal timing. These models are compared at an isolated intersection under various CV market penetration rates. A full model with the best performance (i.e., minimum average travel delay per vehicle) is then selected and applied to compare with state-of-the-art benchmarks under different levels of traffic demands, turning proportions, and dynamic traffic demands, respectively. Two case studies are performed on an isolated intersection and a corridor with three consecutive intersections located in Manhattan, New York, to further demonstrate the effectiveness of the proposed algorithm under real-world scenarios. Compared to other baseline models that use all vehicle information, the trained CVLight agent can efficiently control multiple intersections solely based on CV data and can achieve a similar or even greater performance when the CV penetration rate is no less than 20%.
• Abstract（参考訳）: 本稿では,接続車両(cv)からのみ収集されたデータを活用した適応型交通信号制御(atsc)のための強化学習(rl)方式「cvlight」を開発した。 7種類のRLモデルが提案され, CV遅延とグリーン光持続時間の導入, CV遅延を報酬として利用するなど, 様々な状態と報酬表現を含む。 さらにCVと非CVの情報をCVLightに組み込むため、アクタ批判に基づくアルゴリズムであるA2C-Fullを提案し、CV情報と非CV情報の両方を用いて批評家ネットワークをトレーニングし、CV情報のみがポリシーネットワークを更新し、最適な信号タイミングを実行する。 これらのモデルは、様々なCV市場浸透率の下で孤立した交差点で比較される。 最良性能のフルモデル(すなわち、車両毎の平均走行遅延)を選択して、異なるレベルのトラフィック要求、回転比率、動的トラフィック要求における最先端のベンチマークと比較する。 2つのケーススタディがニューヨーク州マンハッタンに3つの連続した交差点を持つ孤立した交差点と回廊で行われ、実世界のシナリオにおける提案アルゴリズムの有効性をさらに実証する。 全ての車両情報を利用する他のベースラインモデルと比較して、訓練されたCVLightエージェントはCVデータのみに基づいて複数の交差点を効率的に制御することができ、CV浸透率が20%以下である場合にも同様またはそれ以上の性能を達成することができる。

関連論文リスト

• CVVLSNet: Vehicle Location and Speed Estimation Using Partial Connected Vehicle Trajectory Data [6.928899738499268]
  車両の位置と速度のリアルタイム推定は、有用な輸送アプリケーションを開発する上で不可欠である。 通信技術の最近の進歩はコネクテッドカー(CV)の出現を促進する 本稿では,CVVLSNet を用いた新しい車両位置・速度推定ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-09-30T18:13:26Z)
• Queue-based Eco-Driving at Roundabouts with Reinforcement Learning [0.0]
  我々は、交通の流れと交通効率を高めるために、混在する交通のラウンドアバウンドでエコ運転に対処する。 我々はルールベースと強化学習ベースのエコ自動運転システムという2つのアプローチを開発した。 その結果、どちらのアプローチもベースラインを上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-05-01T16:48:28Z)
• Resource Constrained Vehicular Edge Federated Learning with Highly Mobile Connected Vehicles [41.02566275644629]
  本稿では,中央処理ユニット(CPU)およびローカルデータセット上で,エッジサーバが高度に移動可能なコネクテッドカー(CV)を利用してグローバルモデルをトレーニングする,VEFL(vehicular edge federated learning)ソリューションを提案する。 我々は, 遅延, エネルギー, コスト制約下での無線アクセス技術 (RAT) のパラメータ最適化問題を, 局所的に訓練されたモデルの受信を成功させる確率を最大化するために考案した。
  論文  参考訳（メタデータ） (2022-10-27T14:33:06Z)
• 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)
• 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)
• Value Function is All You Need: A Unified Learning Framework for Ride Hailing Platforms [57.21078336887961]
  DiDi、Uber、Lyftなどの大型配車プラットフォームは、都市内の数万台の車両を1日中数百万の乗車要求に接続している。 両課題に対処するための統合価値に基づく動的学習フレームワーク(V1D3)を提案する。
  論文  参考訳（メタデータ） (2021-05-18T19:22:24Z)
• Prediction of Traffic Flow via Connected Vehicles [77.11902188162458]
  本稿では,交通機関が交通の流れを早期に制御し,渋滞を防止するための短期交通流予測フレームワークを提案する。 我々は,過去の流れデータと,コネクテッド・ビークル(CV)技術によって提供されるリアルタイムフィードや軌道データといった革新的な特徴に基づいて,将来の道路セグメントにおける流れを予測する。 本手法は, 流れの予測, CVが軌道に沿ったセグメントに現実的に遭遇する様々な事象の影響を組み込むことによって, 高度なモデリングを可能にすることを示す。
  論文  参考訳（メタデータ） (2020-07-10T16:00:44Z)
• Approximate Cross-Validation for Structured Models [20.79997929155929]
  金標準評価技術は構造化クロスバリデーション(CV)である しかし、すでに拡張された学習アルゴリズムを何度も再実行する必要があるため、ここでのCVは違法に遅くなる可能性がある。 従来の研究では、近似クロスバリデーション(ACV)法が高速かつ確実な代替手段であることが示された。
  論文  参考訳（メタデータ） (2020-06-23T00:06:03Z)
• Applying Deep-Learning-Based Computer Vision to Wireless Communications: Methodologies, Opportunities, and Challenges [100.45137961106069]
  ディープラーニング(DL)はコンピュータビジョン(CV)分野で大きな成功を収めている。 本稿では,無線通信におけるDLベースのCVの適用について紹介する。
  論文  参考訳（メタデータ） (2020-06-10T11:37:49Z)
• 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。