論文の概要: Deployment of Leader-Follower Automated Vehicle Systems for Smart Work
Zone Applications with a Queuing-based Traffic Assignment Approach
- arxiv url: http://arxiv.org/abs/2308.03764v1
- Date: Sun, 23 Jul 2023 16:35:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-14 00:39:36.134443
- Title: Deployment of Leader-Follower Automated Vehicle Systems for Smart Work
Zone Applications with a Queuing-based Traffic Assignment Approach
- Title（参考訳）: キューイング型トラヒック割当手法を用いたスマートワークゾーンアプリケーションのためのリーダ追従型自動車両システムの配置
- Authors: Qing Tang, Xianbiao Hu
- Abstract要約: 本論文は,ネットワーク上でのATMA車両の経路最適化に焦点をあて,低速動作に伴うシステムコストを最小化することを目的とする。
ATMAシステムによるシステムコストを特定するために,待ち行列に基づくトラフィック割り当て手法を提案する。
本手法は,小型ネットワークと大規模ネットワークを用いて検証し,キャパシティドロップモデリングとQBTD走行時間関数の利点を分析するための2つのベンチマークモデルと比較した。
- 参考スコア（独自算出の注目度）: 1.0355894890759376
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The emerging technology of the Autonomous Truck Mounted Attenuator (ATMA), a
leader-follower style vehicle system, utilizes connected and automated vehicle
capabilities to enhance safety during transportation infrastructure maintenance
in work zones. However, the speed difference between ATMA vehicles and general
vehicles creates a moving bottleneck that reduces capacity and increases queue
length, resulting in additional delays. The different routes taken by ATMA
cause diverse patterns of time-varying capacity drops, which may affect the
user equilibrium traffic assignment and lead to different system costs. This
manuscript focuses on optimizing the routing for ATMA vehicles in a network to
minimize the system cost associated with the slow-moving operation.
To achieve this, a queuing-based traffic assignment approach is proposed to
identify the system cost caused by the ATMA system. A queuing-based
time-dependent (QBTD) travel time function, considering capacity drop, is
introduced and applied in the static user equilibrium traffic assignment
problem, with a result of adding dynamic characteristics. Subsequently, we
formulate the queuing-based traffic assignment problem and solve it using a
modified path-based algorithm. The methodology is validated using a small-size
and a large-size network and compared with two benchmark models to analyze the
benefit of capacity drop modeling and QBTD travel time function. Furthermore,
the approach is applied to quantify the impact of different routes on the
traffic system and identify an optimal route for ATMA vehicles performing
maintenance work. Finally, sensitivity analysis is conducted to explore how the
impact changes with variations in traffic demand and capacity reduction.
- Abstract（参考訳）: ATMA(Autonomous Truck Mounted Attenuator)の新たな技術は、ワークゾーンにおける交通インフラのメンテナンス中の安全性を高めるために、コネクテッドおよびオートマチックな車両機能を活用している。
しかし、ATMA車両と一般車両の速度差は、キャパシティを減少させ、待ち時間を増加させる移動ボトルネックを生じさせ、さらなる遅延をもたらす。
atmaによって取られた異なる経路は、ユーザの平衡トラフィック割り当てに影響し、異なるシステムコストにつながる可能性がある、時間変動容量低下の多様なパターンを引き起こす。
本書は,ネットワーク上でのATMA車両の経路最適化に焦点をあて,低速動作に伴うシステムコストを最小化する。
これを実現するために,atmaシステムによるシステムコストを特定するため,待ち行列に基づくトラヒック割当手法を提案する。
キャパシティ低下を考慮した待ち時間依存旅行時間関数(QBTD)を導入し,動的特性を付加した結果,静的ユーザ平衡トラフィック割り当て問題に適用した。
その後、待ち行列に基づくトラフィック割り当て問題を定式化し、修正パスベースのアルゴリズムを用いて解決する。
本手法は,小型ネットワークと大規模ネットワークを用いて検証し,キャパシティドロップモデリングとQBTD走行時間関数の利点を分析するための2つのベンチマークモデルと比較した。
さらに、異なる経路の交通システムへの影響を定量化し、保守作業を行うatma車両の最適経路を特定するためのアプローチを適用した。
最後に,交通需要の変動やキャパシティの低下に伴う影響について,感度解析を行った。
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) - Reinforcement Learning for Adaptive Traffic Signal Control: Turn-Based and Time-Based Approaches to Reduce Congestion [2.733700237741334]
本稿では,交差点における信号処理の強化にReinforcement Learning(強化学習)を用いることについて検討する。
本稿では,リアルタイム待ち行列長に基づく信号の動的優先順位付けを行うターンベースエージェントと,交通条件に応じた信号位相長の調整を行うタイムベースエージェントの2つのアルゴリズムを紹介する。
シミュレーションの結果、両RLアルゴリズムは従来の信号制御システムよりも大幅に優れていた。
論文 参考訳（メタデータ） (2024-08-28T12:35:56Z) - Decentralized Semantic Traffic Control in AVs Using RL and DQN for Dynamic Roadblocks [9.485363025495225]
車両自体にセマンティックエンコーディングの責務を委譲するセマンティックトラフィック制御システムを提案する。
このシステムは、強化学習(RL)エージェントから得られる意思決定を処理し、意思決定プロセスの合理化を行う。
論文 参考訳（メタデータ） (2024-06-26T20:12:48Z) - 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) - PDFormer: Propagation Delay-Aware Dynamic Long-Range Transformer for
Traffic Flow Prediction [78.05103666987655]
空間時空間グラフニューラルネットワーク(GNN)モデルは、この問題を解決する最も有望な方法の1つである。
本稿では,交通流の正確な予測を行うために,遅延を意識した動的長距離トランスフォーマー(PDFormer)を提案する。
提案手法は,最先端の性能を達成するだけでなく,計算効率の競争力も発揮できる。
論文 参考訳（メタデータ） (2023-01-19T08:42:40Z) - Reinforcement Learning based Cyberattack Model for Adaptive Traffic
Signal Controller in Connected Transportation Systems [61.39400591328625]
接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。
この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。
そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。
RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
論文 参考訳（メタデータ） (2022-10-31T20:12:17Z) - 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) - 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) - Data-Driven Intersection Management Solutions for Mixed Traffic of
Human-Driven and Connected and Automated Vehicles [0.0]
この論文は、コネクテッドカーとオートマチックカーの存在下での都市交通制御のための2つの解決策を提案する。
まず, 協調的交差点管理問題に対して, 集中型小隊制御器を提案する。
第二に,コネクテッドカーの存在下での適応信号制御のためのデータ駆動手法を提案する。
論文 参考訳（メタデータ） (2020-12-10T01:44:45Z) - Integrated Traffic Simulation-Prediction System using Neural Networks
with Application to the Los Angeles International Airport Road Network [39.975268616636]
提案システムは,最適化に基づくOD行列生成手法と,トラフィックフローのパターンを介してOD行列を予測するニューラルネットワーク(NN)モデルと,微視的トラフィックシミュレータを含む。
ロサンゼルス国際空港(LAX)中央ターミナルエリア(CTA)の道路ネットワーク上で提案システムをテストする。
論文 参考訳（メタデータ） (2020-08-05T01:41:10Z)
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。