論文の概要: SynTraC: A Synthetic Dataset for Traffic Signal Control from Traffic Monitoring Cameras

• arxiv url: http://arxiv.org/abs/2408.09588v1
• Date: Sun, 18 Aug 2024 20:20:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-20 18:03:47.300823
• Title: SynTraC: A Synthetic Dataset for Traffic Signal Control from Traffic Monitoring Cameras
• Title（参考訳）: SynTraC:交通監視カメラからの交通信号制御のための合成データセット
• Authors: Tiejin Chen, Prithvi Shirke, Bharatesh Chakravarthi, Arpitsinh Vaghela, Longchao Da, Duo Lu, Yezhou Yang, Hua Wei,
• Abstract要約: 本稿では,最初の公開画像に基づく交通信号制御データセットであるSynTraCを紹介する。 シミュレーション環境と現実世界の交通管理の課題のギャップを埋めることを目的としている。
• 参考スコア（独自算出の注目度）: 21.359057378430716
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces SynTraC, the first public image-based traffic signal control dataset, aimed at bridging the gap between simulated environments and real-world traffic management challenges. Unlike traditional datasets for traffic signal control which aim to provide simplified feature vectors like vehicle counts from traffic simulators, SynTraC provides real-style images from the CARLA simulator with annotated features, along with traffic signal states. This image-based dataset comes with diverse real-world scenarios, including varying weather and times of day. Additionally, SynTraC also provides different reward values for advanced traffic signal control algorithms like reinforcement learning. Experiments with SynTraC demonstrate that it is still an open challenge to image-based traffic signal control methods compared with feature-based control methods, indicating our dataset can further guide the development of future algorithms. The code for this paper can be found in \url{https://github.com/DaRL-LibSignal/SynTraC}.SynTraC
• Abstract（参考訳）: 本稿では,シミュレートされた環境と現実の交通管理の課題とのギャップを埋めることを目的とした,最初の公開画像ベースの交通信号制御データセットであるSynTraCを紹介する。 交通信号制御のための従来のデータセットとは異なり、SynTraCは、交通シミュレータからの車両数などの簡易な特徴ベクトルを提供することを目的としている。 この画像ベースのデータセットには、さまざまな天気や日時など、さまざまな現実シナリオが含まれている。 さらに、SynTraCは強化学習のような高度な信号制御アルゴリズムに対して異なる報酬値を提供する。 SynTraCによる実験では、機能ベースの制御手法と比較して、画像ベースの信号制御手法は依然としてオープンな課題であり、我々のデータセットが将来のアルゴリズムの開発をガイドできることが示されている。 この論文のコードは \url{https://github.com/DaRL-LibSignal/SynTraC} にある。 SynTraC

関連論文リスト

• Cross-domain Few-shot In-context Learning for Enhancing Traffic Sign Recognition [49.20086587208214]
  交通信号認識の強化を目的としたMLLMに基づくドメイン間数ショットインコンテキスト学習手法を提案する。 記述テキストを使用することで、テンプレートと実際の交通標識のドメイン間差を低減することができる。 提案手法は,大規模交通標識画像やラベルを必要とせず,単純かつ均一なテキスト表示のみを必要とする。
  論文  参考訳（メタデータ） (2024-07-08T10:51:03Z)
• Towards Multi-agent Reinforcement Learning based Traffic Signal Control through Spatio-temporal Hypergraphs [19.107744041461316]
  交通信号制御システム(TSCS)は、インテリジェントな交通管理に不可欠なものであり、効率的な車両の流れを育んでいる。 従来のアプローチでは、道路網を標準的なグラフに単純化することが多い。 本稿では,インテリジェントトラフィック制御を実現するための新しいTSCSフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-17T02:46:18Z)
• 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)
• BjTT: A Large-scale Multimodal Dataset for Traffic Prediction [49.93028461584377]
  従来の交通予測手法は、交通トレンドを予測するために、過去の交通データに依存している。 本研究では,交通システムを記述するテキストと生成モデルを組み合わせることで,交通生成にどのように応用できるかを考察する。 本稿では,テキスト・トラフィック生成のための最初の拡散モデルChatTrafficを提案する。
  論文  参考訳（メタデータ） (2024-03-08T04:19:56Z)
• Traffic Reconstruction and Analysis of Natural Driving Behaviors at Unsignalized Intersections [1.7273380623090846]
  この研究は、TNのメンフィスにある様々な無署名の交差点で、その日の異なる時間に交通を記録していた。 ビデオデータを手動でラベル付けして特定の変数をキャプチャした後,SUMOシミュレーション環境におけるトラフィックシナリオを再構築した。 これらのシミュレーションから得られた出力データは、車両移動の時間空間図、走行時間頻度分布、ボトルネック点を特定するための速度配置プロットなど、包括的な分析を提供する。
  論文  参考訳（メタデータ） (2023-12-22T09:38:06Z)
• TransWorldNG: Traffic Simulation via Foundation Model [23.16553424318004]
  データ駆動型アルゴリズムとグラフコンピューティング技術を用いて,実データからトラフィックダイナミクスを学習する交通シミュレータTransWordNGを提案する。 その結果,TransWorldNGは従来のシミュレータよりも現実的なトラフィックパターンを生成できることがわかった。
  論文  参考訳（メタデータ） (2023-05-25T05:49:30Z)
• TrafficBots: Towards World Models for Autonomous Driving Simulation and Motion Prediction [149.5716746789134]
  我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。 動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。 オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
  論文  参考訳（メタデータ） (2023-03-07T18:28:41Z)
• RegTraffic: A Regression Based Traffic Simulator for Spatiotemporal Traffic Modeling, Simulation and Visualization [0.6531546527140474]
  本稿では,動的回帰に基づくトラフィック解析を統合した対話型トラフィックシミュレータRegTrafficを提案する。 RegTrafficは、1.3Km/hの平均正方形エラーと1.71Km/hのルート平均正方形エラーを効果的に予測できる。
  論文  参考訳（メタデータ） (2022-11-23T03:34:27Z)
• Multi-intersection Traffic Optimisation: A Benchmark Dataset and a Strong Baseline [85.9210953301628]
  交通信号の制御は、都市部の交通渋滞の緩和に必要不可欠である。 問題モデリングの複雑さが高いため、現在の作業の実験的な設定はしばしば矛盾する。 エンコーダ・デコーダ構造を用いた深層強化学習に基づく新規で強力なベースラインモデルを提案する。
  論文  参考訳（メタデータ） (2021-01-24T03:55:39Z)
• Deep traffic light detection by overlaying synthetic context on arbitrary natural images [49.592798832978296]
  深部交通光検出器のための人工的な交通関連トレーニングデータを生成する手法を提案する。 このデータは、任意の画像背景の上に偽のトラフィックシーンをブレンドするために、基本的な非現実的なコンピュータグラフィックスを用いて生成される。 また、交通信号データセットの本質的なデータ不均衡問題にも対処し、主に黄色い状態のサンプルの少なさによって引き起こされる。
  論文  参考訳（メタデータ） (2020-11-07T19:57:22Z)

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。