Fugu-MT 論文翻訳(概要): Optimising Dynamic Traffic Distribution for Urban Networks with Answer Set Programming

論文の概要: Optimising Dynamic Traffic Distribution for Urban Networks with Answer Set Programming

arxiv url: http://arxiv.org/abs/2408.07521v1
Date: Wed, 14 Aug 2024 12:54:26 GMT
ステータス: 処理完了
システム内更新日: 2024-08-15 13:24:15.155510
Title: Optimising Dynamic Traffic Distribution for Urban Networks with Answer Set Programming
Title（参考訳）: 解集合計画による都市ネットワークの動的交通分布の最適化
Authors: Matteo Cardellini, Carmine Dodaro, Marco Maratea, Mauro Vallati,
Abstract要約: 本稿では,都市ネットワークにおける動的トラフィック分布の文脈において,ASPをうまく利用したアプリケーションを提案する。特に、ASPはネットワーク内のすべての車両の"最適"ルートの計算に使われています。
参考スコア（独自算出の注目度）: 6.434761709087836
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Answer Set Programming (ASP) has demonstrated its potential as an effective tool for concisely representing and reasoning about real-world problems. In this paper, we present an application in which ASP has been successfully used in the context of dynamic traffic distribution for urban networks, within a more general framework devised for solving such a real-world problem. In particular, ASP has been employed for the computation of the "optimal" routes for all the vehicles in the network. We also provide an empirical analysis of the performance of the whole framework, and of its part in which ASP is employed, on two European urban areas, which shows the viability of the framework and the contribution ASP can give.
Abstract（参考訳）: Answer Set Programming (ASP)は、現実の問題を簡潔に表現し、推論するための効果的なツールとしての可能性を示した。本稿では,そのような現実的な問題を解決するために考案された,より一般的な枠組みの中で,都市ネットワークの動的トラフィック分布の文脈においてASPがうまく使われているアプリケーションを提案する。特に、ASPはネットワーク内のすべての車両の"最適"ルートの計算に使われています。また, フレームワーク全体の性能, ASPが採用されている部分について, 欧州の2つの都市部で実証分析を行い, フレームワークの生存可能性と, ASPが提供できる貢献度を明らかにした。

関連論文リスト

From Context to Action: Analysis of the Impact of State Representation and Context on the Generalization of Multi-Turn Web Navigation Agents [7.41862656697588]
本研究の目的は,Webナビゲーションエージェントの機能に不可欠な様々なコンテキスト要素を解析することである。インタラクション履歴とWebページ表現の影響に焦点を当てる。当社の作業は、アウト・オブ・ディストリビューションシナリオにおけるエージェントパフォーマンスの向上を強調しています。
論文参考訳（メタデータ） (2024-10-31T01:51:41Z)
Static Analysis of Logic Programs via Boolean Networks [0.0]
「静的情報から論理プログラムの安定モデルについて何が言えるか」が研究され、多くの場面で有用であることが証明されている。提案されたコネクションは、既存の結果をBooleanネットワークの静的解析の豊富な歴史に導いてくれる。新しく得られた洞察は、ASP.NETの分野で多くの問題を解決する可能性がある。
論文参考訳（メタデータ） (2024-07-12T06:07:05Z)
Fine-Tuning Large Vision-Language Models as Decision-Making Agents via Reinforcement Learning [79.38140606606126]
強化学習(RL)を用いた視覚言語モデル(VLM)を微調整するアルゴリズムフレームワークを提案する。我々のフレームワークはタスク記述を提供し、次にVLMにチェーン・オブ・シント(CoT)推論を生成するよう促す。提案手法は,VLMエージェントの様々なタスクにおける意思決定能力を向上させる。
論文参考訳（メタデータ） (2024-05-16T17:50:19Z)
Deep Reinforcement Learning for Traveling Purchaser Problems [63.37136587778153]
旅行購入問題(TPP)は幅広いアプリケーションにおいて重要な最適化問題である。本稿では,ルート構築と購入計画を個別に扱う,深層強化学習(DRL)に基づく新しいアプローチを提案する。メタラーニング戦略を導入することで、大規模なTPPインスタンス上で安定してポリシーネットワークをトレーニングすることができる。
論文参考訳（メタデータ） (2024-04-03T05:32:10Z)
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)
On the Multi-turn Instruction Following for Conversational Web Agents [83.51251174629084]
本稿では,ユーザと環境の両方で複数回にまたがる高度なインタラクションを必要とする,対話型Webナビゲーションの新たなタスクを紹介する。本稿では,メモリ利用と自己回帰技術を用いた自己反射型メモリ拡張計画(Self-MAP)を提案する。
論文参考訳（メタデータ） (2024-02-23T02:18:12Z)
A Data-driven Resilience Framework of Directionality Configuration based on Topological Credentials in Road Networks [0.5154704494242526]
本稿では,最適化に基づくBrute Force検索手法と意思決定支援フレームワークを統合した新しい道路再構成手法を提案する。提案フレームワークは、最適化プロセス中に生成されたシナリオからの入力を組み合わせ、マルチ基準決定分析アプローチを取り入れている。道路構成のランク付けには、リッジ回帰などの機械学習アルゴリズムを使用して、各基準に対する最適な重みを決定する。
論文参考訳（メタデータ） (2024-01-14T21:22:22Z)
Deep Occupancy-Predictive Representations for Autonomous Driving [6.591194329459251]
提案アーキテクチャは,事前学習した状態表現のプロキシとして確率的占有率マップを符号化している。エージェント中心エンコーダは,環境のマップ対応グラフ定式化を利用して任意の道路網や交通状況に一般化する。
論文参考訳（メタデータ） (2023-03-07T20:21:49Z)
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)
Optimal transport in multilayer networks [68.8204255655161]
本稿では,各層上の最適フローが,コストの最小化に寄与するモデルを提案する。アプリケーションとして,各層が異なる輸送システムに関連付けられている交通ネットワークを考察する。この結果の例をボルドー市とバスと路面電車の2層ネットワークで示し、ある状況下では路面電車網の存在が道路網の交通を著しく覆い隠している。
論文参考訳（メタデータ） (2021-06-14T07:33:09Z)
Deep Learning-based Resource Allocation For Device-to-Device Communication [66.74874646973593]
デバイス間通信(D2D)を用いたマルチチャネルセルシステムにおいて,リソース割り当ての最適化のためのフレームワークを提案する。任意のチャネル条件に対する最適な資源配分戦略をディープニューラルネットワーク(DNN)モデルにより近似する深層学習(DL)フレームワークを提案する。シミュレーションの結果,提案手法のリアルタイム性能を低速で実現できることが確認された。
論文参考訳（メタデータ） (2020-11-25T14:19:23Z)

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。