論文の概要: Three Pillars Towards Next-Generation Routing System
- arxiv url: http://arxiv.org/abs/2409.11412v1
- Date: Tue, 3 Sep 2024 16:32:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-22 21:12:27.979377
- Title: Three Pillars Towards Next-Generation Routing System
- Title(参考訳): 次世代ルーティングシステムに向けた3つのピラー
- Authors: Lei Li, Mengxuan Zhang, Zizhuo Xu, Yehong Xu, XIaofang Zhou,
- Abstract要約: 本稿では,ルーティング結果の影響をリアルタイムに考慮し,交通渋滞を低減できる次世代ルーティングパラダイムを提案する。
このようなシステムを実装するために,1)交通流と交通条件の関係を確証した交通条件シミュレーション,2)動的経路更新による効率的なシミュレーションを支援する将来の経路管理,3)全体の交通システム効率を改善するグローバルルーティング最適化の3つの重要な要素を同定する。
- 参考スコア(独自算出の注目度): 15.273941564295363
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The routing results are playing an increasingly important role in transportation efficiency, but they could generate traffic congestion unintentionally. This is because the traffic condition and routing system are disconnected components in the current routing paradigm. In this paper, we propose a next-generation routing paradigm that could reduce traffic congestion by considering the influence of the routing results in real-time. Specifically, we regard the routing results as the root cause of the future traffic flow, which at the same time is identified as the root cause of traffic conditions. To implement such a system, we identify three essential components: 1) the traffic condition simulation that establishes the relation between traffic flow and traffic condition with guaranteed accuracy; 2) the future route management that supports efficient simulation with dynamic route update; 3) the global routing optimization that improves the overall transportation system efficiency. Preliminary design and experimental results will be presented, and the corresponding challenges and research directions will also be discussed.
- Abstract(参考訳): ルーティングの結果は、輸送効率においてますます重要な役割を担っているが、交通渋滞を無意識に発生させる可能性がある。
これは、現在のルーティングパラダイムにおいて、トラフィック条件とルーティングシステムが接続されていないコンポーネントであるためである。
本稿では,ルーティング結果の影響をリアルタイムに考慮し,交通渋滞を低減できる次世代ルーティングパラダイムを提案する。
具体的には、ルーティング結果を将来のトラフィックフローの根本原因とみなし、同時に交通条件の根本原因とみなす。
このようなシステムを実装するために,我々は3つの重要な構成要素を同定する。
1) 交通流と交通条件の関係を確証された精度で確立する交通条件シミュレーション
2 動的経路更新による効率的なシミュレーションを支援する将来の経路管理
3)全体輸送システムの効率を向上するグローバルルーティング最適化。
予備設計と実験結果を示し、対応する課題と研究の方向性についても論じる。
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) - 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) - 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) - 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) - Leveraging Neo4j and deep learning for traffic congestion simulation &
optimization [0.0]
渋滞や事故の場合に交通が後進的に伝播し,道路の他の部分への全体的影響を示す。
また、実時間トラフィックデータに基づいて連続的なRNN-LSTM(Long Short-Term Memory)ディープラーニングモデルを訓練し、道路固有の渋滞に基づいてシミュレーション結果の精度を評価する。
論文 参考訳(メタデータ) (2023-04-01T01:23:10Z) - Modeling Network-level Traffic Flow Transitions on Sparse Data [6.756998301171409]
本稿では,スパースデータからネットワークレベルのトラフィックフローを予測できるDTIGNNを提案する。
提案手法は最先端の手法よりも優れており,交通機関の意思決定支援に有効であることを示す。
論文 参考訳(メタデータ) (2022-08-13T13:30:35Z) - 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) - End-to-End Intersection Handling using Multi-Agent Deep Reinforcement
Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。
本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。
本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文 参考訳(メタデータ) (2021-04-28T07:54:40Z) - Extracting the fundamental diagram from aerial footage [6.780998887296333]
効率的な交通監視は,交通ネットワークにおける渋滞対策に不可欠な役割を担っている。
本稿では,ドローンプラットフォームから得られた空中映像から基本図を得るための革新的な手法を考案する。
提案手法は, 車両検出, 車両追跡, 交通状態推定の3段階からなる。
論文 参考訳(メタデータ) (2020-07-07T06:34:50Z)
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。