論文の概要: Evaluation of Traffic Signals for Daily Traffic Pattern

• arxiv url: http://arxiv.org/abs/2506.21469v1
• Date: Thu, 26 Jun 2025 16:56:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:10.20428
• Title: Evaluation of Traffic Signals for Daily Traffic Pattern
• Title（参考訳）: 日々の交通パターンに対する交通信号の評価
• Authors: Mohammad Shokrolah Shirazi, Hung-Fu Chang,
• Abstract要約: 回転数データは,信号設計,交差点形状計画,交通流,渋滞解析において重要である。 交通カメラを用いて、ラスベガスの6つの交差点のTMCを推定するために、視覚に基づくトラッキングシステムを開発した。 4つの交差点は信号タイミングの動的設定に優れた性能を示し,他の2つは交差点脚の全車線に対する総車両数の割合が低い。
• 参考スコア（独自算出の注目度）: 0.8287206589886879
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The turning movement count data is crucial for traffic signal design, intersection geometry planning, traffic flow, and congestion analysis. This work proposes three methods called dynamic, static, and hybrid configuration for TMC-based traffic signals. A vision-based tracking system is developed to estimate the TMC of six intersections in Las Vegas using traffic cameras. The intersection design, route (e.g. vehicle movement directions), and signal configuration files with compatible formats are synthesized and imported into Simulation of Urban MObility for signal evaluation with realistic data. The initial experimental results based on estimated waiting times indicate that the cycle time of 90 and 120 seconds works best for all intersections. In addition, four intersections show better performance for dynamic signal timing configuration, and the other two with lower performance have a lower ratio of total vehicle count to total lanes of the intersection leg. Since daily traffic flow often exhibits a bimodal pattern, we propose a hybrid signal method that switches between dynamic and static methods, adapting to peak and off-peak traffic conditions for improved flow management. So, a built-in traffic generator module creates vehicle routes for 4 hours, including peak hours, and a signal design module produces signal schedule cycles according to static, dynamic, and hybrid methods. Vehicle count distributions are weighted differently for each zone (i.e., West, North, East, South) to generate diverse traffic patterns. The extended experimental results for 6 intersections with 4 hours of simulation time imply that zone-based traffic pattern distributions affect signal design selection. Although the static method works great for evenly zone-based traffic distribution, the hybrid method works well for highly weighted traffic at intersection pairs of the West-East and North-South zones.
• Abstract（参考訳）: 回転数データは,信号設計,交差点形状計画,交通流,渋滞解析において重要である。 本研究は, TMCに基づく交通信号の動的, 静的, ハイブリッド構成という3つの手法を提案する。 交通カメラを用いて、ラスベガスの6つの交差点のTMCを推定するために、視覚に基づくトラッキングシステムを開発した。 リアルなデータを用いた信号評価のために、交差点設計、ルート(例えば車両の移動方向)、および互換性のあるフォーマットの信号構成ファイルを合成し、都市運動シミュレーションにインポートする。 推定待ち時間に基づく最初の実験結果は、90秒から120秒のサイクル時間がすべての交差点で最適であることを示している。 さらに、4つの交差点は信号タイミングの動的設定に優れた性能を示し、他の2つは交差点脚の全車線に対する総車両数の割合が低い。 日々の交通流はしばしばバイモーダルなパターンを示すため,動的手法と静的手法を切り替え,ピークおよびオフピークの交通条件に適応してフロー管理を改善するハイブリッド信号方式を提案する。 そのため、ビルトインのトラヒックジェネレータモジュールはピーク時間を含む4時間にわたって車両経路を作成し、信号設計モジュールは静的、動的、ハイブリッドな方法に従って信号スケジュールサイクルを生成する。 車両数分布は各ゾーン(西、北、東、南)ごとに異なる重み付けを行い、多様な交通パターンを生成する。 4時間のシミュレーション時間を持つ6つの交差点に対する拡張実験の結果,ゾーンベースの交通パターン分布が信号の設計選択に影響を及ぼすことが示唆された。 静的な手法は均等なゾーンベースの交通分布には有効であるが, ハイブリッド方式は東西・南北の交差点対において, 高い重み付けのトラフィックに対して有効である。

関連論文リスト

• Dynamic Graph Attention Networks for Travel Time Distribution Prediction in Urban Arterial Roads [5.849150965368483]
  本研究では,動脈回廊沿いの両方向の走行時間分布を同時モデル化する構造的枠組みを提案する。 その結果, サイクル長, グリーンパーセンテージ, 交通密度, 反現実経路など, 効果的な交通変動に対するレジリエンスが示された。 このフレームワークは、動的信号タイミングをサポートし、混雑管理を強化し、現実世界のアプリケーションにおける走行時間の信頼性を向上させる。
  論文  参考訳（メタデータ） (2024-12-15T07:30:01Z)
• 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)
• Applying Neural Monte Carlo Tree Search to Unsignalized Multi-intersection Scheduling for Autonomous Vehicles [7.32653612106583]
  本稿では,車両のプラトンからの道路空間予約要求と競合する可能性のある道路空間予約要求のシーケンスを,ボードゲームのような一連の問題にマッピングする変換モデルを提案する。 我々はNMCTSを用いて、過去のアロケーションの文脈で最適な道路空間割り当てスケジュールを表すソリューションを探索する。 提案手法は,全交差点がPNMCTSの制御下にある場合,平均走行時間74.5%,総スループット16%のPNMCTSおよび最先端のRLベースのトラヒックライトコントローラよりも高い性能を示した。
  論文  参考訳（メタデータ） (2024-10-24T14:37:55Z)
• 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)
• 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)
• 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)
• 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)
• 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)
• A Graph Convolutional Network with Signal Phasing Information for Arterial Traffic Prediction [63.470149585093665]
  動脈交通予測は 現代のインテリジェント交通システムの発展に 重要な役割を担っています 動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。 我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
  論文  参考訳（メタデータ） (2020-12-25T01:40:29Z)

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。