論文の概要: Traffic Road Congestion System using by the internet of vehicles (IoV)
- arxiv url: http://arxiv.org/abs/2306.00395v1
- Date: Thu, 1 Jun 2023 06:55:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-02 17:50:59.279618
- Title: Traffic Road Congestion System using by the internet of vehicles (IoV)
- Title（参考訳）: 自動車インターネットを利用した道路交通渋滞システム(iov)
- Authors: Muhammad Shoaib Farooq, Sawera Kanwal
- Abstract要約: 本稿では,従来のシステムにおける交通問題について詳述し,IOV改善のメリット,拡張,理由について詳述する。
IoVの技術とツールは、IoVを作成し、SUMOを通じていくつかのトラフィックルールを解決するために必要である。
本稿では,最適化モデルと効率的なモデルの選択の観点から,2つの車両渋滞制御モデルを解析する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Traffic problems have increased in modern life due to a huge number of
vehicles, big cities, and ignoring the traffic rules. Vehicular ad hoc network
(VANET) has improved the traffic system in previous some and plays a vital role
in the best traffic control system in big cities. But due to some limitations,
it is not enough to control some problems in specific conditions. Now a day
invention of new technologies of the Internet of Things (IoT) is used for
collaboratively and efficiently performing tasks. This technology was also
introduced in the transportation system which makes it an intelligent
transportation system (ITS), this is called the Internet of vehicles (IOV). We
will elaborate on traffic problems in the traditional system and elaborate on
the benefits, enhancements, and reasons to better IOV by Systematic Literature
Review (SLR). This technique will be implemented by targeting needed papers
through many search phrases. A systematic literature review is used for 121
articles between 2014 and 2023. The IoV technologies and tools are required to
create the IoV and resolve some traffic rules through SUMO (simulation of urban
mobility) which is used for the design and simulation the road traffic. We have
tried to contribute to the best model of the traffic control system. This paper
will analysis two vehicular congestion control models in term of select the
optimized and efficient model and elaborate on the reasons for efficiency by
searching the solution SLR based questions. Due to some efficient features, we
have suggested the IOV based on vehicular clouds. These efficient features make
this model the best and most effective than the traditional model which is a
great reason to enhance the network system.
- Abstract（参考訳）: 交通問題は、多数の車両、大都市、交通規則を無視したため、現代では増加している。
vehicular ad hoc network (vanet) は以前より交通システムを改善し、大都市における最良の交通制御システムにおいて重要な役割を果たす。
しかし、いくつかの制限があるため、特定の条件下で問題を制御するには不十分である。
現在、IoT(Internet of Things)の新しい技術の日々の発明が、協調的かつ効率的にタスクを実行するために使用されている。
この技術は、インテリジェント・トランスポーテーション・システム(its)となる輸送システムにも導入され、これは「internet of vehicles(iov)」と呼ばれている。
従来のシステムにおける交通問題について詳しく検討し、システム文献レビュー(SLR)によるIOVを改善するための利点、改善、理由について詳しく述べる。
この手法は多くの検索フレーズを通じて必要な論文をターゲットとして実装する。
2014年から2023年の間、121の論文に体系的な文献レビューが使われている。
IoV技術とツールは、道路交通の設計とシミュレーションに使用されるSUMO(Simulation of Urban Mobility)を通じて、IoVを作成し、いくつかの交通ルールを解決するために必要である。
我々は交通制御システムの最良のモデルに貢献しようと試みてきた。
本稿では,最適化・効率的モデルの選択という観点から2つの車両交通渋滞制御モデルを分析し,解法slrに基づく質問を探索することで効率の理由を詳述する。
効率的な特徴から, 車両用雲に基づくiovの提案を行った。
これらの効率的な機能により、ネットワークシステムを強化する大きな理由となる従来のモデルよりも、このモデルが最適かつ最も効果的になります。
関連論文リスト
- An Offline Meta Black-box Optimization Framework for Adaptive Design of Urban Traffic Light Management Systems [11.655502119510134]
自動車の占有率が高い複雑な都市道路網は、しばしば交通渋滞に直面している。
現在の交通信号管理システムは人為的な意思決定に依存しており、多様な交通パターンに適応できない可能性がある。
オフラインのメタブラックボックス最適化を用いて,そのような設計コンポーネントの最適化を定式化するための,新規で実用的なフレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-14T06:57:58Z) - 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) - 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) - An ASP Framework for Efficient Urban Traffic Optimization [0.0]
本稿では,数百台の車両による大規模道路網における交通流を効率的にシミュレートし,最適化する枠組みを提案する。
このフレームワークは、Answer Set Programming (ASP)エンコーディングを利用して、ネットワーク内の車両の動きを正式に記述する。
これにより、ネットワーク内の車両の経路を最適化し、関連するメトリクスの幅を減らすことができる。
論文 参考訳（メタデータ） (2022-08-05T10:50:38Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳（メタデータ） (2022-06-28T17:08:31Z) - Traffic Management of Autonomous Vehicles using Policy Based Deep
Reinforcement Learning and Intelligent Routing [0.26249027950824505]
本稿では,交差点の混雑状況に応じて交通信号を調整するDRLに基づく信号制御システムを提案する。
交差点の後方の道路での渋滞に対処するため,道路ネットワーク上で車両のバランスをとるために再ルート手法を用いた。
論文 参考訳（メタデータ） (2022-06-28T02:46:20Z) - 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) - 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) - Intelligent Transportation Systems to Mitigate Road Traffic Congestion [0.0]
渋滞を緩和し、緊急車両ができるだけ早く到着できるよう、2つの交通管理モデルが作成されている。
ツールチェーンSUMO-JADEを用いて、トラフィックの相互作用を象徴する顕微鏡シミュレーションを作成する。
シミュレーションモデルでは、平均時間遅延が50%以上減少し、旅行時間全体の実質的な改善が見られた。
論文 参考訳（メタデータ） (2021-06-04T07:51:02Z) - End-to-End Intersection Handling using Multi-Agent Deep Reinforcement
Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。
本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。
本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文 参考訳（メタデータ） (2021-04-28T07:54:40Z) - Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep
Reinforcement Learning Approach [88.45509934702913]
我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。
我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。
提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
論文 参考訳（メタデータ） (2020-02-21T07:29:15Z)
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。