論文の概要: Quantum Annealing for Realistic Traffic Flow Optimization: Clustering and Data-Driven QUBO

• arxiv url: http://arxiv.org/abs/2510.06053v2
• Date: Wed, 08 Oct 2025 19:47:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 12:56:53.572682
• Title: Quantum Annealing for Realistic Traffic Flow Optimization: Clustering and Data-Driven QUBO
• Title（参考訳）: リアルタイムトラフィックフロー最適化のための量子アニーリング:クラスタリングとデータ駆動型QUBO
• Authors: Renáta Rusnáková, Martin Chovanec, Juraj Gazda,
• Abstract要約: 本稿では、トラフィック最適化を擬似非制約バイナリ最適化として再構成するデータ駆動方式を提案する。 このモデルは、シミュレーションされた現実的なモビリティデータ、複数のルーティング代替品、分析的に導出されたペナルティ制約を統合する。 最大25,000台の車両のベンチマークでは、ハイブリッド量子アニールは古典的解法であるグロビの1%以内で最適に近い解が得られることが示されている。
• 参考スコア（独自算出の注目度）: 0.39325957466009204
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Managing city traffic is a complex NP-hard problem where traditional methods often fail to scale. We present a data-driven approach that reformulates traffic optimization as a Quadratic Unconstrained Binary Optimization, capturing both congestion reduction and travel-time efficiency. The model integrates simulated realistic mobility data, multiple routing alternatives, and analytically derived penalty constraints. To address large networks, we apply Leiden clustering to preserve critical congestion patterns while reducing problem size. Benchmarking on up to 25,000 vehicles shows that hybrid quantum annealing achieves near-optimal solutions within 1% of the classical solver Gurobi while reducing congestion by up to 25%.
• Abstract（参考訳）: 都市交通の管理は、従来の手法がしばしばスケールに失敗する複雑なNPハード問題である。 本稿では、トラフィック最適化を擬似非拘束バイナリ最適化として再構成し、渋滞低減と移動時間の効率を両立させるデータ駆動方式を提案する。 このモデルは、シミュレーションされた現実的なモビリティデータ、複数のルーティング代替品、分析的に導出されたペナルティ制約を統合する。 大規模ネットワークに対処するため,問題のサイズを小さくしながら,重要な混雑パターンを保存するためにライデンクラスタリングを適用した。 最大25,000台の車両上でのベンチマークでは、ハイブリッド量子アニールは古典的解法であるグロビの1%以内の最適解を達成し、混雑を最大25%減少させる。

関連論文リスト

• Accelerating Vehicle Routing via AI-Initialized Genetic Algorithms [53.75036695728983]
  車両ルーティング問題 (VRP) は進化的最適化における基本的なNPハード問題である。 本稿では、強化学習エージェントを事前のインスタンスで訓練し、初期解を迅速に生成する最適化フレームワークを提案する。 このフレームワークは、様々な時間予算において、現在の最先端のソルバよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-04-08T15:21:01Z)
• 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)
• Dynamic Scheduling for Vehicle-to-Vehicle Communications Enhanced Federated Learning [14.942677904783759]
  車両のエネルギー制約と移動性を考慮して,VFL訓練性能を最適化する最適化問題を定式化する。 本稿では,V2Vを拡張した動的スケジューリングアルゴリズムを提案する。 提案アルゴリズムは,CIFAR-10データセットの画像分類精度を4.20%向上し,Argoverse軌道予測データセットの平均変位誤差を9.82%削減する。
  論文  参考訳（メタデータ） (2024-06-25T11:15:53Z)
• Traffic signal optimization in large-scale urban road networks: an adaptive-predictive controller using Ising models [4.408586742026574]
  本稿では,スケーラビリティと最適性の両方を保証するAMPICという制御手法を提案する。 提案手法では,車両流の予測モデルを明確に考慮し,各制御区間における最適制御問題の解法としてモデル予測制御を用いる。 その結果,AMPICは従来の制御方式よりも待ち時間が少なく,より高速な走行が可能であった。
  論文  参考訳（メタデータ） (2024-06-06T02:20:34Z)
• 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)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• 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)
• Learning from Images: Proactive Caching with Parallel Convolutional Neural Networks [94.85780721466816]
  本稿では,プロアクティブキャッシングのための新しいフレームワークを提案する。 モデルベースの最適化とデータ駆動技術を組み合わせて、最適化問題をグレースケールのイメージに変換する。 数値計算の結果,提案手法は71.6%の計算時間を0.8%のコストで削減できることがわかった。
  論文  参考訳（メタデータ） (2021-08-15T21:32:47Z)
• Surrogate-assisted cooperative signal optimization for large-scale traffic networks [6.223837701805064]
  本研究では,サロゲート支援協調信号最適化(SCSO)手法を提案する。 ニューマン・ファスト・アルゴリズムを用いて,分散アルゴリズムを分解器,代理モデル,具体的SCSOアルゴリズムとして修正した。 その有効性と有効性を評価するため、実際の交通ネットワークに基づいて、クロスロードとTジャンクションを含む大規模交通ネットワークを生成する。
  論文  参考訳（メタデータ） (2021-03-03T01:03:57Z)
• 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)

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。