論文の概要: HCOMC: A Hierarchical Cooperative On-Ramp Merging Control Framework in Mixed Traffic Environment on Two-Lane Highways

• arxiv url: http://arxiv.org/abs/2507.11621v1
• Date: Tue, 15 Jul 2025 18:01:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-17 19:00:11.095908
• Title: HCOMC: A Hierarchical Cooperative On-Ramp Merging Control Framework in Mixed Traffic Environment on Two-Lane Highways
• Title（参考訳）: 2車線道路における混合交通環境における階層的協調型オンランプマージ制御フレームワークHCOMC
• Authors: Tianyi Wang, Yangyang Wang, Jie Pan, Junfeng Jiao, Christian Claudel,
• Abstract要約: コネクテッド・アンド・オートマチック・カーズ(CAV)に基づく協調制御戦略は,この問題に対する基本的な解決策である。 CAVは完全には普及していないが、異種交通流に対する階層的協調型オンランプマージ制御(HCOMC)フレームワークを提案する必要がある。 本稿では,修正仮想車両モデルに基づく階層的協調計画モデル,ゲーム理論に基づく離散車線変更モデル,マルチマインド最適化モデルからなるHCOMCフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 6.838130893718755
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Highway on-ramp merging areas are common bottlenecks to traffic congestion and accidents. Currently, a cooperative control strategy based on connected and automated vehicles (CAVs) is a fundamental solution to this problem. While CAVs are not fully widespread, it is necessary to propose a hierarchical cooperative on-ramp merging control (HCOMC) framework for heterogeneous traffic flow on two-lane highways to address this gap. This paper extends longitudinal car-following models based on the intelligent driver model and lateral lane-changing models using the quintic polynomial curve to account for human-driven vehicles (HDVs) and CAVs, comprehensively considering human factors and cooperative adaptive cruise control. Besides, this paper proposes a HCOMC framework, consisting of a hierarchical cooperative planning model based on the modified virtual vehicle model, a discretionary lane-changing model based on game theory, and a multi-objective optimization model using the elitist non-dominated sorting genetic algorithm to ensure the safe, smooth, and efficient merging process. Then, the performance of our HCOMC is analyzed under different traffic densities and CAV penetration rates through simulation. The findings underscore our HCOMC's pronounced comprehensive advantages in enhancing the safety of group vehicles, stabilizing and expediting merging process, optimizing traffic efficiency, and economizing fuel consumption compared with benchmarks.
• Abstract（参考訳）: ハイウェイ・オン・ランプ・マージ地域は交通渋滞や事故のボトルネックとなっている。 現在、コネクテッド・アンド・オートマチック・カーズ(CAV)に基づく協調制御戦略が、この問題の根本的な解決策となっている。 CAVは完全には普及していないが、このギャップに対処するためには、2車線高速道路における異種交通流のための階層的協調型オンランプマージ制御(HCOMC)フレームワークを提案する必要がある。 本稿では,人間駆動型車両(HDV)とCAVを考慮に入れ,知的ドライバモデルと側方車線変更モデルに基づいて縦方向の車追従モデルを拡張し,人的要因と協調型クルーズ制御を包括的に検討した。 さらに,修正仮想車両モデルに基づく階層的協調計画モデルとゲーム理論に基づく離散車線変更モデルと,エリート主義的非支配的ソート遺伝的アルゴリズムを用いた多目的最適化モデルから構成したHCOMCフレームワークを提案する。 シミュレーションにより,HCOMCの性能を異なる交通密度とCAV浸透率で解析した。 その結果, グループ車両の安全性向上, マージの安定化・迅速化, 交通効率の最適化, および, ベンチマークによる燃費の削減におけるHCOMCの総合的優位性が明らかとなった。

関連論文リスト

• Heterogeneous Multi-Agent Reinforcement Learning for Distributed Channel Access in WLANs [47.600901884970845]
  本稿では,マルチエージェント強化学習(MARL)を用いて,無線ローカルネットワークにおける分散チャネルアクセスに対処する。 特に、エージェントがモデルトレーニングに価値ベースまたはポリシーベースの強化学習アルゴリズムを不均一に採用する、より実践的なケースについて考察する。 我々は、分散実行パラダイムを用いた集中型トレーニングを採用し、異種エージェントの協調を可能にする、異種MARLトレーニングフレームワークQPMIXを提案する。
  論文  参考訳（メタデータ） (2024-12-18T13:50:31Z)
• Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
  コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。 本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
  論文  参考訳（メタデータ） (2024-09-19T14:36:00Z)
• Multi-agent Path Finding for Mixed Autonomy Traffic Coordination [7.857093164418706]
  CAV操作に対するHDV応答を予測するための行動予測キネマティック・プライオリティ・ベース・サーチ(BK-PBS)を提案する。 我々の研究は、マルチヒューマン・マルチロボット協調の多くのシナリオに直接当てはまる。
  論文  参考訳（メタデータ） (2024-09-05T19:37:01Z)
• Deep-Reinforcement-Learning-Based AoI-Aware Resource Allocation for RIS-Aided IoV Networks [43.443526528832145]
  車両間通信(V2X)方式を考慮したRIS支援車両インターネット(IoV)を提案する。 車両間リンク(V2I)のタイムラインと車両間リンク(V2V)の安定性を改善するため,情報量(AoI)モデルとペイロード伝達確率モデルを導入する。
  論文  参考訳（メタデータ） (2024-06-17T06:16:07Z)
• 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)
• Adaptive Kalman-based hybrid car following strategy using TD3 and CACC [5.052960220478617]
  自律運転においては、深部強化学習と協調適応クルーズ制御(CACC)のハイブリッド戦略は、後続車の性能を著しく向上させることができる。 固定係数に基づく従来のハイブリッド戦略では、混在するトラフィックフローのシナリオに適応することが困難である。 CACC と Twin Delayed Deep Deterministic Policy Gradient (TD3) アルゴリズムに関して,適応カルマンフィルタに基づくハイブリッドカーの追従戦略を提案する。
  論文  参考訳（メタデータ） (2023-12-26T10:51:46Z)
• Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
  接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。 本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-05T21:38:36Z)
• Unified Automatic Control of Vehicular Systems with Reinforcement Learning [64.63619662693068]
  本稿では,車載マイクロシミュレーションの合理化手法について述べる。 最小限の手動設計で高性能な制御戦略を発見する。 この研究は、波動緩和、交通信号、ランプ計測に類似した多くの創発的挙動を明らかにしている。
  論文  参考訳（メタデータ） (2022-07-30T16:23:45Z)
• Eco-driving for Electric Connected Vehicles at Signalized Intersections: A Parameterized Reinforcement Learning approach [6.475252042082737]
  本稿では、強化学習(RL)に基づく電気連系車両(CV)のエコ駆動フレームワークを提案する。 我々の戦略は、他の人間駆動車(HDV)を中断することなく適切な行動スキームを学習することで、エネルギー消費を大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2022-06-24T04:11:28Z)
• Real-time Cooperative Vehicle Coordination at Unsignalized Road Intersections [7.860567520771493]
  信号のない道路交差点での協調作業は、連結車両と自動車両の安全運転交通スループットを向上させることを目的としている。 我々はモデルフリーなマルコフ決定プロセス(MDP)を導入し、深層強化学習フレームワークにおける双遅延Deep Deterministic Policy(TD3)に基づく戦略によりそれに取り組む。 提案手法は, 準定常調整シナリオにおいて, ほぼ最適性能を達成し, 現実的な連続流れの制御を大幅に改善できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-03T02:56:02Z)
• Hybrid Reinforcement Learning-Based Eco-Driving Strategy for Connected and Automated Vehicles at Signalized Intersections [3.401874022426856]
  視覚知覚法は車間通信(V2I)と統合され、より高モビリティとエネルギー効率を実現する。 HRLフレームワークには3つのコンポーネントがある。ルールベースのドライビングマネージャで、ルールベースのポリシーとRLポリシーの協調を運用する。 実験により, HRL法によりエネルギー消費量を12.70%削減し, 11.75%の移動時間を省くことができた。
  論文  参考訳（メタデータ） (2022-01-19T19:31:12Z)
• Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles [109.71532364079711]
  CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案 CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。 最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
  論文  参考訳（メタデータ） (2021-02-05T19:57:47Z)
• Reinforcement Learning Based Vehicle-cell Association Algorithm for Highly Mobile Millimeter Wave Communication [53.47785498477648]
  本稿では,ミリ波通信網における車とセルの関連性について検討する。 まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。 提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
  論文  参考訳（メタデータ） (2020-01-22T08:51:05Z)

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。