論文の概要: Analyzing Emissions and Energy Efficiency at Unsignalized Real-world Intersections Under Mixed Traffic Control

• arxiv url: http://arxiv.org/abs/2311.11866v2
• Date: Wed, 17 Jan 2024 17:10:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-18 20:00:32.492447
• Title: Analyzing Emissions and Energy Efficiency at Unsignalized Real-world Intersections Under Mixed Traffic Control
• Title（参考訳）: 混合交通制御下における非符号化実世界の交差点におけるエミッションとエネルギー効率の解析
• Authors: Michael Villarreal, Dawei Wang, Jia Pan, Weizi Li
• Abstract要約: アメリカの交通機関は米国の排出量の28%を排出している。 近年の研究では、信号交差点における混在交通制御エコ自動運転戦略が開発され、排出量の削減が図られている。 我々は、複雑な実世界のトポロジと交通需要を伴う無署名の交差点に関するエミッション分析を提供する。
• 参考スコア（独自算出の注目度）: 27.838827756692243
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Greenhouse gas emissions have dramatically risen since the early 1900s with U.S. transportation generating 28% of U.S. emissions. As such, there is interest in reducing transportation-related emissions. Specifically, sustainability research has sprouted around signalized intersections as intersections allow different streams of traffic to cross and change directions. Recent research has developed mixed traffic control eco-driving strategies at signalized intersections to decrease emissions. However, the inherent structure of a signalized intersection generates increased emissions by creating frequent acceleration/deceleration events, excessive idling from traffic congestion, and stop-and-go waves. Thus, we believe unsignalized intersections hold potential for further sustainability improvements. In this work, we provide an emissions analysis on unsignalized intersections with complex, real-world topologies and traffic demands where mixed traffic control strategies are employed by robot vehicles (RVs) to reduce wait times and congestion. We find with at least 10% RV penetration rate, RVs generate less fuel consumption, CO2 emissions, and NOx emissions than signalized intersections by up to 27%, 27% and 28%, respectively. With at least 30% RVs, CO and HC emissions are reduced by up to 42% and 43%, respectively. Additionally, RVs can reduce network-wide emissions despite only employing their strategies at intersections.
• Abstract（参考訳）: 温室効果ガスの排出量は1900年代初期から劇的に増加し、アメリカ運輸省の排出量の28%を占めている。 そのため、輸送関連排出削減への関心が高まっている。 特に、交差点によって異なる交通の流れが交差し、方向を変えることができるため、サステナビリティの研究がシグナル化された交差点を中心に展開されている。 最近の研究は、信号交差点における混合交通制御エコ運転戦略を開発し、排出削減に寄与している。 しかし、信号化された交差点の固有構造は、頻繁な加速/減速イベント、渋滞による過剰なアイドル、ストップ・アンド・ゴー波を発生させることで、排出を増加させる。 したがって、無署名の交差点はさらなる持続可能性の改善の可能性を持っていると信じている。 本研究では,複合交通制御戦略をロボット車両(rvs)が採用する複雑な実世界のトポロジーと交通需要を有する無署名交差点の排出分析を行い,待ち時間と混雑を低減した。 RVの浸透率を10%以上とすると, RVは信号化交差点の27%, 27%, 28%, NOx排出量をそれぞれ減少させることがわかった。 少なくとも30%の RV では、CO と HC の排出量はそれぞれ 42% と 43% に減少する。 さらに、rvsは交差点で戦略を採るだけでネットワーク全体の排出量を削減できる。

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)
• Mitigating Metropolitan Carbon Emissions with Dynamic Eco-driving at Scale [3.5052652317043846]
  我々は、二酸化炭素排出量を減らす新たな機会として、半自律車の採用の増加を考えています。 交通シナリオと車両排出の複雑さにより、包括的影響分析は手に入らなかった。 我々は,米国三大都市を横断する信号化交差点6,011箇所で,ダイナミックエコドライブの詳細な影響評価を行う。
  論文  参考訳（メタデータ） (2024-08-10T18:23:59Z)
• 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)
• Exploring sustainable pathways for urban traffic decarbonization in downtown Toronto [4.378407481656902]
  本研究は,トロント市中心部の都市交通におけるマイクロシミュレートによる脱炭戦略について検討する。 変圧器を用いた予測モデルを用いて, 温室効果ガス (GHG) と窒素酸化物 (NOx) の排出を予測した。 キーとなる発見は、100%のバッテリ電気自動車(BEV)がGHG排出量を75%削減していることを示しているが、コストとインフラに関する課題に直面している。
  論文  参考訳（メタデータ） (2023-08-28T22:17:36Z)
• 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)
• iPLAN: Intent-Aware Planning in Heterogeneous Traffic via Distributed Multi-Agent Reinforcement Learning [57.24340061741223]
  本稿では,高密度および不均一な交通シナリオにおける軌跡や意図を予測できる分散マルチエージェント強化学習(MARL)アルゴリズムを提案する。 インテント対応プランニングのアプローチであるiPLANにより、エージェントは近くのドライバーの意図をローカルな観察からのみ推測できる。
  論文  参考訳（メタデータ） (2023-06-09T20:12:02Z)
• Learning to Control and Coordinate Mixed Traffic Through Robot Vehicles at Complex and Unsignalized Intersections [33.0086333735748]
  本稿では,実世界の複雑な交差点におけるRVによる混在トラフィックの制御と調整のためのマルチエージェント強化学習手法を提案する。 本手法は,1時間あたり700台の車両の現実的な交通需要の下で,わずか5%のRVを経由した渋滞発生を防止する。 提案手法は,ブラックアウトイベント,突然のRVパーセンテージ低下,V2V通信エラーに対して堅牢である。
  論文  参考訳（メタデータ） (2023-01-12T21:09:58Z)
• 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)
• Learning Eco-Driving Strategies at Signalized Intersections [1.7682859739940435]
  本研究では,効率的なエコドライブ制御戦略を学習するための強化学習手法を提案する。 我々は,学習戦略が燃料消費,CO2排出,旅行時間に与える影響について分析した。 その結果、25%のCAV侵入でも、全燃料および排出削減効果の少なくとも50%を得られることが示唆された。
  論文  参考訳（メタデータ） (2022-04-26T19:45:11Z)
• Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
  運転環境の要素が道路ルールの出現の原因となるかを分析する。 2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。 我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
  論文  参考訳（メタデータ） (2020-11-21T09:43:50Z)

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。