論文の概要: Traffic State Estimation with Anisotropic Gaussian Processes from
Vehicle Trajectories
- arxiv url: http://arxiv.org/abs/2303.02311v1
- Date: Sat, 4 Mar 2023 03:59:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 20:22:35.172357
- Title: Traffic State Estimation with Anisotropic Gaussian Processes from
Vehicle Trajectories
- Title（参考訳）: 車両軌道からの異方性ガウス過程による交通状態推定
- Authors: Fan Wu, Zhanhong Cheng, Huiyu Chen, Tony Z. Qiu, and Lijun Sun
- Abstract要約: 本稿では,標準等方性GPカーネルを異方性カーネルに変換するカーネル回転再パラメータ化方式を提案する。
この手法は、固定センサやプローブ車両からのトラフィック状態をインプットするために適用することができる。
我々は,次世代シミュレーション(SIM)とHighDプログラムを用いた実環境トラフィックデータを用いて,本手法の評価を行った。
- 参考スコア（独自算出の注目度）: 13.514651658047145
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurately monitoring road traffic state and speed is crucial for various
applications, including travel time prediction, traffic control, and traffic
safety. However, the lack of sensors often results in incomplete traffic state
data, making it challenging to obtain reliable information for decision-making.
This paper proposes a novel method for imputing traffic state data using
Gaussian processes (GP) to address this issue. We propose a kernel rotation
re-parametrization scheme that transforms a standard isotropic GP kernel into
an anisotropic kernel, which can better model the propagation of traffic waves
in traffic flow data. This method can be applied to impute traffic state data
from fixed sensors or probe vehicles. Moreover, the rotated GP method provides
statistical uncertainty quantification for the imputed traffic state, making it
more reliable. We also extend our approach to a multi-output GP, which allows
for simultaneously estimating the traffic state for multiple lanes. We evaluate
our method using real-world traffic data from the Next Generation simulation
(NGSIM) and HighD programs. Considering current and future mixed traffic of
connected vehicles (CVs) and human-driven vehicles (HVs), we experiment with
the traffic state estimation scheme from 5% to 50% available trajectories,
mimicking different CV penetration rates in a mixed traffic environment.
Results show that our method outperforms state-of-the-art methods in terms of
estimation accuracy, efficiency, and robustness.
- Abstract（参考訳）: 走行時間予測、交通制御、交通安全など、さまざまなアプリケーションにおいて、道路交通状況と速度の正確な監視は不可欠である。
しかし、センサの欠如は、しばしば不完全な交通状態データをもたらすため、意思決定のための信頼できる情報を得ることが困難である。
本稿では,ガウス過程(GP)を用いたトラヒック状態データを計算し,この問題に対処する新しい手法を提案する。
本稿では,標準の等方性gpカーネルを異方性カーネルに変換し,トラヒックフローデータ内のトラヒック波の伝播をモデル化するカーネル回転再パラメータ化スキームを提案する。
この方法は、固定されたセンサーまたはプローブ車両からの交通状態データをインデュートするために適用することができる。
さらに, 回転gp法により, トラヒック状態の統計的不確実性が定量化され, 信頼性が向上した。
また、複数のレーンの交通状態を同時に推定できるマルチ出力GPへのアプローチも拡張しています。
次世代シミュレーション(NGSIM)とHighDプログラムの実際のトラフィックデータを用いて,本手法の評価を行った。
本研究では,人間駆動車両 (cvs) とコネクテッドカー (hvs) の現在および将来の混合交通を考慮し, 混合交通環境における異なるcv浸透率を模倣し, 5%から50%のトラジェクタ間の交通状態推定手法を実験した。
その結果,提案手法は評価精度,効率,ロバスト性において最先端の手法よりも優れていた。
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) - Traffic Reconstruction and Analysis of Natural Driving Behaviors at
Unsignalized Intersections [1.7273380623090846]
この研究は、TNのメンフィスにある様々な無署名の交差点で、その日の異なる時間に交通を記録していた。
ビデオデータを手動でラベル付けして特定の変数をキャプチャした後,SUMOシミュレーション環境におけるトラフィックシナリオを再構築した。
これらのシミュレーションから得られた出力データは、車両移動の時間空間図、走行時間頻度分布、ボトルネック点を特定するための速度配置プロットなど、包括的な分析を提供する。
論文 参考訳（メタデータ） (2023-12-22T09:38:06Z) - 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 Hybrid Physics Machine Learning Approach for Macroscopic Traffic State
Estimation [20.716261308570555]
本稿では,革新的なトラフィック状態推定フレームワークを提案する。
入力として、交通センサからの限られた情報を使用し、正確でフルフィールドで推定された交通状況を構築する。
実験の結果,提案手法は実地交通情報を正確に推定できることが証明された。
論文 参考訳（メタデータ） (2022-02-01T06:04:18Z) - 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) - DeepFlow: Abnormal Traffic Flow Detection Using Siamese Networks [4.544151613454639]
我々は,シームズニューラルネットワークに基づくトラフィック異常検出システムであるDeepFlowを開発した。
本モデルでは,車両から収集した軌跡データを解析することにより,異常な交通流を検出することができる。
その結果,DeepFlowはF1スコアの78%で異常なトラフィックパターンを検出し,他の既存手法よりも優れていた。
論文 参考訳（メタデータ） (2021-08-26T19:56:05Z) - 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) - Learning Traffic Speed Dynamics from Visualizations [3.0969191504482243]
時空の可視化からマクロ交通速度のダイナミクスを学習する深層学習法を提案する。
既存の推定手法と比較して,より詳細な推定解決が可能となる。
次世代シミュレーションプログラム(NGSIM)とドイツ高速道路(HighD)のデータセットから得られたデータを用いて,高速道路区間の高分解能交通速度場を推定した。
論文 参考訳（メタデータ） (2021-05-04T11:17:43Z) - 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 traffic light detection by overlaying synthetic context on
arbitrary natural images [49.592798832978296]
深部交通光検出器のための人工的な交通関連トレーニングデータを生成する手法を提案する。
このデータは、任意の画像背景の上に偽のトラフィックシーンをブレンドするために、基本的な非現実的なコンピュータグラフィックスを用いて生成される。
また、交通信号データセットの本質的なデータ不均衡問題にも対処し、主に黄色い状態のサンプルの少なさによって引き起こされる。
論文 参考訳（メタデータ） (2020-11-07T19:57:22Z) - Traffic Data Imputation using Deep Convolutional Neural Networks [2.7647400328727256]
我々は、よく訓練されたニューラルネットワークが、時間空間図から交通速度のダイナミクスを学習できることを示します。
提案手法は, 車両の侵入プローブレベルを5%以下に抑えることで, マクロな交通速度を再現できることを示す。
論文 参考訳（メタデータ） (2020-01-21T12:52:58Z)
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。