論文の概要: Calibration of Vehicular Traffic Simulation Models by Local Optimization
- arxiv url: http://arxiv.org/abs/2502.11585v1
- Date: Mon, 17 Feb 2025 09:17:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-18 14:11:55.889144
- Title: Calibration of Vehicular Traffic Simulation Models by Local Optimization
- Title（参考訳）: 局所最適化による車両交通シミュレーションモデルの校正
- Authors: Davide Andrea Guastella, Alejandro Morales-Hernàndez, Bruno Cornelis, Gianluca Bontempi,
- Abstract要約: トラフィックカウントデータを用いたシミュレーションモデルのキャリブレーションは、環境の複雑さ、データの欠如、トラフィックダイナミクスの不確実性のために困難である。
本稿では,シミュレーションに基づく新しい交通キャリブレーション手法を提案する。
ベルギーのブリュッセルで,実交通監視装置のデータを用いて提案手法の評価を行った。
- 参考スコア（独自算出の注目度）: 43.942239814508106
- License:
- Abstract: Simulation is a valuable tool for traffic management experts to assist them in refining and improving transportation systems and anticipating the impact of possible changes in the infrastructure network before their actual implementation. Calibrating simulation models using traffic count data is challenging because of the complexity of the environment, the lack of data, and the uncertainties in traffic dynamics. This paper introduces a novel stochastic simulation-based traffic calibration technique. The novelty of the proposed method is: (i) it performs local traffic calibration, (ii) it allows calibrating simulated traffic in large-scale environments, (iii) it requires only the traffic count data. The local approach enables decentralizing the calibration task to reach near real-time performance, enabling the fostering of digital twins. Using only traffic count data makes the proposed method generic so that it can be applied in different traffic scenarios at various scales (from neighborhood to region). We assess the proposed technique on a model of Brussels, Belgium, using data from real traffic monitoring devices. The proposed method has been implemented using the open-source traffic simulator SUMO. Experimental results show that the traffic model calibrated using the proposed method is on average 16% more accurate than those obtained by the state-of-the-art methods, using the same dataset. We also make available the output traffic model obtained from real data.
- Abstract（参考訳）: シミュレーションは交通管理の専門家にとって,交通システムの精錬と改善を支援し,実際の実施前にインフラネットワークの変化が及ぼす影響を予測するための貴重なツールである。
交通量データを用いたシミュレーションモデルのキャリブレーションは、環境の複雑さ、データの欠如、交通力学の不確実性により困難である。
本稿では,新しい確率シミュレーションに基づくトラフィックキャリブレーション手法を提案する。
提案手法の新規性は次の通りである。
一 地方交通の校正を行うこと。
二 大規模環境における模擬交通の校正を可能にすること。
(iii)交通量データのみを必要とする。
ローカルアプローチにより、キャリブレーションタスクの分散化が、ほぼリアルタイムのパフォーマンスに到達し、デジタルツインの育成が可能になる。
トラフィックカウントデータのみを使用することで、提案手法は様々な交通シナリオ(周辺地域から地域まで)で適用できるようにする。
ベルギーのブリュッセルで,実交通監視装置のデータを用いて提案手法の評価を行った。
提案手法は,オープンソースの交通シミュレータSUMOを用いて実装されている。
実験結果から,提案手法を用いてキャリブレーションした交通モデルは,同じデータセットを用いて,最先端手法で得られた交通モデルよりも平均16%精度が高いことがわかった。
また、実データから得られる出力トラフィックモデルも利用可能とする。
関連論文リスト
- Efficient and Robust Freeway Traffic Speed Estimation under Oblique Grid using Vehicle Trajectory Data [19.01488741469791]
斜め交通速度を正確に推定するための効率的でロバストな低ランクモデルを提案する。
提案手法は,TSEシナリオにおけるルート平均角誤差(RMSE)を最大12%改善する。
最先端のSOTA(State-of-the-art)メソッドよりも20倍以上高速に動作します。
論文 参考訳（メタデータ） (2024-11-06T15:13:40Z) - Strada-LLM: Graph LLM for traffic prediction [62.2015839597764]
交通予測における大きな課題は、非常に異なる交通条件によって引き起こされる多様なデータ分散を扱うことである。
近位交通情報を考慮した交通予測のためのグラフ対応LLMを提案する。
我々は、新しいデータ分散に直面する際に、ドメイン適応を効率的にするための軽量なアプローチを採用する。
論文 参考訳（メタデータ） (2024-10-28T09:19:29Z) - 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) - 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) - Traffic State Estimation from Vehicle Trajectories with Anisotropic Gaussian Processes [21.13555047611666]
本稿では,標準等方性GPカーネルを異方性カーネルに変換するカーネル回転再パラメータ化方式を提案する。
また、複数のレーンの交通状態を同時に推定できるマルチアウトプットGPへのアプローチも拡張しています。
連結車両(CV)と人間駆動車両(HV)の混合交通について検討し,交通状態推定(TSE)方式を5%から50%まで実験した。
論文 参考訳（メタデータ） (2023-03-04T03:59:17Z) - 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) - 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) - Large-scale Analysis and Simulation of Traffic Flow using Markov Models [0.0]
交通分析に使用できる数学的に厳密なモデルが、他の研究者によって提案されている。
本稿では,2次元定常分布の概念を導入して,新しいパラメトリゼーションを提案する。
我々は,中規模および大規模でシミュレーションを行い,人工的および実データに基づくモデルと推定手法の両方が良好であることが証明された。
論文 参考訳（メタデータ） (2020-07-06T12:31:27Z) - Traffic Data Imputation using Deep Convolutional Neural Networks [2.7647400328727256]
我々は、よく訓練されたニューラルネットワークが、時間空間図から交通速度のダイナミクスを学習できることを示します。
提案手法は, 車両の侵入プローブレベルを5%以下に抑えることで, マクロな交通速度を再現できることを示す。
論文 参考訳（メタデータ） (2020-01-21T12:52:58Z)
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。