論文の概要: Analyzing Behaviors of Mixed Traffic via Reinforcement Learning at
Unsignalized Intersections
- arxiv url: http://arxiv.org/abs/2312.05325v1
- Date: Tue, 21 Nov 2023 02:00:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 14:46:28.431623
- Title: Analyzing Behaviors of Mixed Traffic via Reinforcement Learning at
Unsignalized Intersections
- Title(参考訳): 不特定区間における強化学習による混合交通の挙動解析
- Authors: Supriya Sarker
- Abstract要約: 本稿では,Reinforcement Learning(RL)エージェントが,停止・停止交通シナリオの文脈において,マルチモーダル分布を示す範囲について検討する。
第2に、複雑な交通環境下で、RL制御ロボット車両(RV)が、その方向を効果的にナビゲートし、他の車両と協調する方法について検討する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this report, we delve into two critical research inquiries. Firstly, we
explore the extent to which Reinforcement Learning (RL) agents exhibit
multimodal distributions in the context of stop-and-go traffic scenarios.
Secondly, we investigate how RL-controlled Robot Vehicles (RVs) effectively
navigate their direction and coordinate with other vehicles in complex traffic
environments. Our analysis encompasses an examination of multimodality within
queue length, outflow, and platoon size distributions for both Robot and
Human-driven Vehicles (HVs). Additionally, we assess the Pearson coefficient
correlation, shedding light on relationships between queue length and outflow,
considering both identical and differing travel directions. Furthermore, we
delve into causal inference models, shedding light on the factors influencing
queue length across scenarios involving varying travel directions. Through
these investigations, this report contributes valuable insights into the
behaviors of mixed traffic (RVs and HVs) in traffic management and
coordination.
- Abstract(参考訳): 本報告では,二つの批判的研究を考察する。
まず,Reinforcement Learning(RL)エージェントが,停止・停止交通シナリオの文脈において,マルチモーダルな分布を示すかを検討する。
第2に、複雑な交通環境下で、RL制御ロボット車両(RV)が、その方向を効果的にナビゲートし、他の車両と協調する方法について検討する。
本分析では,ロボットおよび人間駆動車(HV)の待ち行列長,アウトフロー,小隊サイズ分布の多様性を検討した。
さらに,Pearson係数の相関,待ち行列長とアウトフローの関係に関する光を,同一方向と異なる方向の両方を考慮して評価する。
さらに、因果推論モデルを調べ、進行方向の異なるシナリオにまたがる待ち行列の長さに影響を与える要因について光を当てる。
これらの調査を通じて,交通管理・調整における混在交通(RV,HV)の挙動に関する貴重な知見を提供する。
関連論文リスト
- Traffic and Safety Rule Compliance of Humans in Diverse Driving Situations [48.924085579865334]
安全な運転プラクティスを再現する自律システムを開発するためには、人間のデータを分析することが不可欠だ。
本稿では,複数の軌道予測データセットにおける交通・安全規則の適合性の比較評価を行う。
論文 参考訳(メタデータ) (2024-11-04T09:21:00Z) - Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。
本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
論文 参考訳(メタデータ) (2024-09-19T14:36:00Z) - Graph Attention Network for Lane-Wise and Topology-Invariant Intersection Traffic Simulation [8.600701437207725]
交差点に対する2つの効率的かつ正確な「デジタルツイン」モデルを提案する。
これらのデジタルツインは、交差点内の交通の時間的、空間的、文脈的な側面を捉えている。
本研究の応用は、車線再構成、運転行動分析、交差点の安全性と効率向上に関する情報決定の促進まで及んでいる。
論文 参考訳(メタデータ) (2024-04-11T03:02:06Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2023-11-27T18:57:42Z) - Identifying strongly correlated groups of sections in a large motorway
network [4.3455655888747575]
トラフィックネットワークにおける障害のリスクを検出するには相関が不可欠である。
最適化された$k$-meansクラスタリング手法を用いて,強い相関性を持つ道路区間群を同定する。
実トポロジ上のグループ,すなわち道路地図上の表現と可視化は、高速道路ネットワーク上の力学に関する新しい結果をもたらす。
論文 参考訳(メタデータ) (2022-02-15T18:44:18Z) - Jointly Learning Agent and Lane Information for Multimodal Trajectory
Prediction [9.602388354570111]
マルチモーダル軌道予測のためのエージェントとレーン情報を協調学習する段階的ネットワークを提案する。
パブリックなArgoverseデータセットで行った実験は、JAL-MTPが既存のモデルを定量的および定性的に大きく上回っていることを示している。
論文 参考訳(メタデータ) (2021-11-26T08:02:06Z) - 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) - Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。
本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。
我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
論文 参考訳(メタデータ) (2021-06-22T15:40:21Z) - Independent Reinforcement Learning for Weakly Cooperative Multiagent
Traffic Control Problem [22.733542222812158]
本研究では,irl(independent reinforcement learning)を用いて複雑な交通協調制御問題を解く。
そこで, 交通制御問題を部分的に観測可能な弱協調交通モデル (PO-WCTM) としてモデル化し, 交差点群全体の交通状況を最適化する。
実験の結果,CIL-DDQNはトラヒック制御問題のほぼすべての性能指標において,他の手法よりも優れていた。
論文 参考訳(メタデータ) (2021-04-22T07:55:46Z) - Multi-fold Correlation Attention Network for Predicting Traffic Speeds
with Heterogeneous Frequency [17.3908559850196]
交通データ間の空間相関をモデル化する新しい測定法を提案する。
その結果,交通状況によって相関パターンは大きく異なることがわかった。
実世界のデータセットの実験では、提案されたMCANモデルが最先端のベースラインより優れていることが示されている。
論文 参考訳(メタデータ) (2021-04-19T06:58:51Z) - Vehicular Cooperative Perception Through Action Branching and Federated
Reinforcement Learning [101.64598586454571]
強化学習に基づく車両関連、リソースブロック(RB)割り当て、協調認識メッセージ(CPM)のコンテンツ選択を可能にする新しいフレームワークが提案されている。
車両全体のトレーニングプロセスをスピードアップするために、フェデレーションRLアプローチが導入されます。
その結果、フェデレーションRLはトレーニングプロセスを改善し、非フェデレーションアプローチと同じ時間内により良いポリシーを達成できることが示された。
論文 参考訳(メタデータ) (2020-12-07T02:09:15Z)
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。