論文の概要: Connection-Based Scheduling for Real-Time Intersection Control

• arxiv url: http://arxiv.org/abs/2210.08445v1
• Date: Sun, 16 Oct 2022 04:37:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 18:42:01.468238
• Title: Connection-Based Scheduling for Real-Time Intersection Control
• Title（参考訳）: リアルタイム区間制御のための接続ベーススケジューリング
• Authors: Hsu-Chieh Hu, Joseph Zhou, Gregory J. Barlow, Stephen F. Smith
• Abstract要約: 本稿では,交通渋滞を軽減するために,リアルタイム適応型信号制御のためのスケジューリングアルゴリズムを提案する。 このアルゴリズムは、異なる車線を通る交差点に近づく全車両の到着時刻を推定する車線モデルを採用し、次に、全車両が接近する際の累積遅延を最小化するスケジュールを計算する。
• 参考スコア（独自算出の注目度）: 6.796017024594715
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a heuristic scheduling algorithm for real-time adaptive traffic signal control to reduce traffic congestion. This algorithm adopts a lane-based model that estimates the arrival time of all vehicles approaching an intersection through different lanes, and then computes a schedule (i.e., a signal timing plan) that minimizes the cumulative delay incurred by all approaching vehicles. State space, pruning checks and an admissible heuristic for A* search are described and shown to be capable of generating an intersection schedule in real-time (i.e., every second). Due to the effectiveness of the heuristics, the proposed approach outperforms a less expressive Dynamic Programming approach and previous A*-based approaches in run-time performance, both in simulated test environments and actual field tests.
• Abstract（参考訳）: 本稿では,リアルタイム適応交通信号制御のためのヒューリスティックスケジューリングアルゴリズムを提案する。 このアルゴリズムは、異なる車線を通る交差点に接近する全ての車両の到着時刻を推定する車線に基づくモデルを採用し、接近する車両の累積遅延を最小限にするスケジュール(信号タイミング計画)を計算する。 状態空間、刈り取りチェック、a*探索の許容ヒューリスティックを記述し、リアルタイムに交差点スケジュールを生成することができる(すなわち、秒毎に)。 ヒューリスティックスの有効性のため、提案手法は、シミュレーションされたテスト環境と実際のフィールドテストの両方において、より表現力の低い動的プログラミングアプローチと、従来のA*ベースのアプローチよりも優れている。

関連論文リスト

• A Holistic Framework Towards Vision-based Traffic Signal Control with Microscopic Simulation [53.39174966020085]
  交通信号制御(TSC)は交通渋滞を低減し、交通の流れを円滑にし、アイドリング時間を短縮し、CO2排出量を減らすために重要である。 本研究では,道路交通の流れを視覚的観察によって調節するTSCのコンピュータビジョンアプローチについて検討する。 我々は、視覚ベースのTSCとそのベンチマークに向けて、TrafficDojoと呼ばれる総合的なトラフィックシミュレーションフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-03-11T16:42:29Z)
• Multi-agent Path Finding for Cooperative Autonomous Driving [8.8305853192334]
  我々は,既存のアルゴリズムを著しく上回る最適かつ完全なアルゴリズムであるオーダーベース検索をKinematics Arrival Time Scheduling (OBS-KATS) により考案した。 当社の作業は、同じようなスケールのトラフィックや、有向車線を備えたマルチロボットシナリオに直接適用可能です。
  論文  参考訳（メタデータ） (2024-02-01T04:39:15Z)
• Efficient Online Scheduling and Routing for Automated Guided Vehicles In Loop-Based Graphs [0.0]
  本稿では,任意の容量を持つAGVに対して,オンラインかつ競合のないスケジューリングとルーティング問題を解決するループベースのアルゴリズムを提案する。 実生産プラントを表すモデル上で理論的および実例を用いて、このアルゴリズムが他のアルゴリズムより優れているか、より少ない計算時間で等しく良い解が得られることを実験的に示す。
  論文  参考訳（メタデータ） (2023-10-03T16:41:46Z)
• Time-to-Green predictions for fully-actuated signal control systems with supervised learning [56.66331540599836]
  本稿では,集約信号とループ検出データを用いた時系列予測フレームワークを提案する。 我々は、最先端の機械学習モデルを用いて、将来の信号位相の持続時間を予測する。 スイスのチューリッヒの信号制御システムから得られた経験的データに基づいて、機械学習モデルが従来の予測手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-08-24T07:50:43Z)
• 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)
• A Comparative Study of Algorithms for Intelligent Traffic Signal Control [0.0]
  待ち時間と待ち時間を最小限に抑えるために,交通信号制御を効果的に最適化する手法が提案されている。 これらの手法は、インドのバンガロールの現実世界の交差点のシミュレーションでテストされた。
  論文  参考訳（メタデータ） (2021-09-02T13:26:49Z)
• Better than the Best: Gradient-based Improper Reinforcement Learning for Network Scheduling [60.48359567964899]
  パケット遅延を最小限に抑えるため,制約付き待ち行列ネットワークにおけるスケジューリングの問題を考える。 我々は、利用可能な原子ポリシーよりも優れたスケジューラを生成するポリシー勾配に基づく強化学習アルゴリズムを使用する。
  論文  参考訳（メタデータ） (2021-05-01T10:18:34Z)
• Spatio-temporal Modeling for Large-scale Vehicular Networks Using Graph Convolutional Networks [110.80088437391379]
  SMARTと呼ばれるグラフベースのフレームワークが提案され、大規模な地理的領域にわたるV2I通信遅延の統計をモデル化し、追跡する。 深層Q-networksアルゴリズムと統合したグラフ畳み込みネットワークを用いたグラフ再構築型手法を開発する。 その結果,提案手法は,モデル化の精度と効率と,大規模車両ネットワークにおける遅延性能を有意に向上させることが示された。
  論文  参考訳（メタデータ） (2021-03-13T06:56:29Z)
• Boosted Genetic Algorithm using Machine Learning for traffic control optimization [4.642759477873937]
  本稿では,信号化都市交差点における交通信号タイミングの最適化手法を提案する。 高速かつ信頼性の高い決定を生成することを目的として、高速実行機械学習(ML)アルゴリズムと信頼できる遺伝的アルゴリズム(GA)を組み合わせる。 新たなBGA-MLは,元のGAアルゴリズムよりもはるかに高速であり,非リカレントインシデント条件下でうまく適用可能であることを示す。
  論文  参考訳（メタデータ） (2021-03-11T00:39:18Z)
• Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
  複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。 建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
  論文  参考訳（メタデータ） (2020-04-25T22:54:35Z)
• 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。