論文の概要: City-scale Pollution Aware Traffic Routing by Sampling Max Flows using
MCMC
- arxiv url: http://arxiv.org/abs/2302.14442v1
- Date: Tue, 28 Feb 2023 09:40:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-01 17:10:33.094907
- Title: City-scale Pollution Aware Traffic Routing by Sampling Max Flows using
MCMC
- Title（参考訳）: MCMCを用いた最大流れのサンプリングによる都市大気汚染対策
- Authors: Shreevignesh Suriyanarayanan, Praveen Paruchuri, Girish Varma
- Abstract要約: 大気汚染の長期曝露は深刻な健康問題を引き起こす可能性がある。
我々は,多様なサンプルを用いて汚染に配慮した交通経路ポリシーを設計し,実世界の道路地図上での交通をシミュレーションする。
世界の大都市の地図を他の手法と比較すると, 大気汚染の激しい地域では, かなりの減少が見られた。
- 参考スコア（独自算出の注目度）: 8.301939401602233
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A significant cause of air pollution in urban areas worldwide is the high
volume of road traffic. Long-term exposure to severe pollution can cause
serious health issues. One approach towards tackling this problem is to design
a pollution-aware traffic routing policy that balances multiple objectives of
i) avoiding extreme pollution in any area ii) enabling short transit times, and
iii) making effective use of the road capacities. We propose a novel
sampling-based approach for this problem. We provide the first construction of
a Markov Chain that can sample integer max flow solutions of a planar graph,
with theoretical guarantees that the probabilities depend on the aggregate
transit length. We designed a traffic policy using diverse samples and
simulated traffic on real-world road maps using the SUMO traffic simulator. We
observe a considerable decrease in areas with severe pollution when
experimented with maps of large cities across the world compared to other
approaches.
- Abstract（参考訳）: 世界の都市部における大気汚染の大きな原因は、道路交通量の増加である。
大気汚染の長期曝露は深刻な健康問題を引き起こす可能性がある。
この問題に取り組むための1つのアプローチは、複数の目的のバランスをとる汚染対策トラフィックルーティングポリシーを設計することである。
一 極度の汚染を避けること
二 短い通過時間を可能にすること、及び
三 道路の容量を有効利用すること。
この問題に対する新しいサンプリングベースアプローチを提案する。
我々は、平面グラフの整数最大フロー解をサンプリングできるマルコフ連鎖の最初の構成を提供し、その確率は総移動長に依存することを理論的に保証する。
相撲交通シミュレータを用いて,多種多様なサンプルと実世界の道路地図上での交通シミュレーションを用いた交通政策を考案した。
世界の大都市の地図を他の手法と比較すると, 大気汚染の激しい地域では, かなりの減少が見られた。
関連論文リスト
- 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) - 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) - Deep Reinforcement Learning-based Intelligent Traffic Signal Controls
with Optimized CO2 emissions [6.851243292023835]
交通ネットワークは、人間の健康や環境に悪影響を及ぼし、交通渋滞に寄与する準最適制御政策の課題に直面している。
文献における適応的な信号制御装置はいくつかあるが、それらの比較性能について限定的な研究がなされている。
EcoLightは,CO2排出量を削減するだけでなく,旅行時間などの指標で競合する結果が得られる強化学習アルゴリズムの報酬形成手法である。
論文 参考訳（メタデータ） (2023-10-19T19:54:47Z) - Uncertainty Quantification for Image-based Traffic Prediction across
Cities [63.136794104678025]
不確実量化(UQ)法は確率論的推論を誘導するためのアプローチを提供する。
複数の都市にまたがる大規模画像ベース交通データセットへの適用について検討する。
モスクワ市を事例として,交通行動に対する時間的・空間的影響を考察した。
論文 参考訳（メタデータ） (2023-08-11T13:35:52Z) - 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) - Deep Reinforcement Learning to Maximize Arterial Usage during Extreme
Congestion [4.934817254755007]
本稿では,過度の混雑中における多車線高速道路の交通渋滞を軽減するための深層強化学習(DRL)手法を提案する。
エージェントは、渋滞した高速道路交通に対する適応的な抑止戦略を学ぶために訓練される。
エージェントは、急激な混雑時の非作用と比較して平均交通速度を21%向上させることができる。
論文 参考訳（メタデータ） (2023-05-16T16:53:27Z) - Leveraging Neo4j and deep learning for traffic congestion simulation &
optimization [0.0]
渋滞や事故の場合に交通が後進的に伝播し,道路の他の部分への全体的影響を示す。
また、実時間トラフィックデータに基づいて連続的なRNN-LSTM(Long Short-Term Memory)ディープラーニングモデルを訓練し、道路固有の渋滞に基づいてシミュレーション結果の精度を評価する。
論文 参考訳（メタデータ） (2023-04-01T01:23:10Z) - Automated Quantification of Traffic Particulate Emissions via an Image
Analysis Pipeline [0.0]
交通画像を利用して車両数を求める統合機械学習パイプラインの提案と実装を行う。
シンガポールのロケーションで取得した交通画像のオープンソースデータセット上で,このパイプラインの有用性と精度を検証する。
路側粒子放出は、得られた車両数と0.93の相関係数とをよく相関させ、この方法が粒子放出の迅速かつ効果的な相関として有効であることを示す。
論文 参考訳（メタデータ） (2022-11-24T07:48:29Z) - 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) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - An IoT-Based System: Big Urban Traffic Data Mining Through Airborne
Pollutant Gases Analysis [0.0]
イランなどの発展途上国では、人口の増加により車両の数が増加している。
交通警察官による交通渋滞を抑え、効率的に経路を拡大し、市民による交通の減少に最適な方法を選択する必要がある。
今日では、交通警察や都市交通管制システムなど多くの交通機関が、交通カメラ、誘導センサー、衛星画像、レーダーセンサー、超音波技術、電波識別(RFID)を都市交通診断に利用している。
本稿で提案する手法は,大気汚染量を算出して交通渋滞を発生させるスマートシステムを含むIOTに基づく交通渋滞の検出である。
論文 参考訳（メタデータ） (2020-02-15T13:04:37Z)
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。