論文の概要: Cooperative Platoon Routing and Dispatching via Edge-Assisted Hybrid Quantum Optimization
- arxiv url: http://arxiv.org/abs/2608.00524v1
- Date: Sat, 01 Aug 2026 08:35:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.743305
- Title: Cooperative Platoon Routing and Dispatching via Edge-Assisted Hybrid Quantum Optimization
- Title（参考訳）: エッジアシストハイブリッド量子最適化による協調プラトンルーティングと分散
- Authors: Talha Azfar, Ruimin Ke,
- Abstract要約: 本稿では,小隊対応車両ルーティングのためのエッジアシスト・クローズドループ評価パイプラインを開発する。
ロードサイドユニットは、ビデオからローカルトラフィックキネマティクスを推定し、セグメントレベルのフロー安定性を分類し、クローズギャップ調整が物理的に適切である道路セグメントのみに小隊報酬を発動する。
我々は、ニューヨーク州トロイの24時間顕微鏡SUMOシミュレーションとIBM Quantumハードウェアベンチマークを用いて、フレームワークの評価を行った。
- 参考スコア（独自算出の注目度）: 1.856334276134661
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Cooperative platooning can reduce the energy use of Connected and Autonomous Vehicle (CAV) fleets, but the routing problem becomes difficult when vehicles must meet on the same road segments at compatible times while moving through unstable urban traffic. This paper develops an edge-assisted, closed-loop evaluation pipeline for platooning-aware vehicle routing. Roadside Units estimate local traffic kinematics from video, classify segment-level flow stability, and activate platooning rewards only on road segments where close-gap coordination is physically appropriate. The resulting multi-vehicle routing problem is written directly as a Quadratic Unconstrained Binary Optimization (QUBO) model, so pairwise platooning interactions are represented as native quadratic Ising terms instead of requiring auxiliary MILP linearization variables. We evaluate the framework using a 24-hour microscopic SUMO simulation of Troy, NY, together with localized IBM Quantum hardware benchmarks. The SUMO study shows an $18.5\%$ reduction in fleet tractive-energy demand relative to a non-cooperative baseline. On 25-active-qubit benchmark instances executed on $\texttt{ibm_boston}$, Linear-Chain QAOA reduces two-qubit CNOT depth by $66.7\%$ compared with dense QAOA and samples the exact classical ground state with $P_{\text{feas}} = 38.6\%$ and $P_{\text{opt}} = 14.2\%$ at $p=2$. These results suggest that edge perception and shallow quantum optimization can work together as a useful component of closed-loop CAV platoon dispatching.
- Abstract（参考訳）: 協調小隊化は、コネクテッド・アンド・オートマチック・ビークル(CAV)の車両のエネルギー消費を減少させるが、不安定な都市交通を通り抜けながら、同じ道路区間で車両が互換性のある時間に会わなければならない場合、経路の問題は難しくなる。
本稿では,小隊対応車両ルーティングのためのエッジアシスト・クローズドループ評価パイプラインを開発する。
ロードサイドユニットは、ビデオからローカルトラフィックキネマティクスを推定し、セグメントレベルのフロー安定性を分類し、クローズギャップ調整が物理的に適切である道路セグメントのみに小隊報酬を発動する。
結果として生じる多重車両ルーティング問題は、擬似非拘束バイナリ最適化(QUBO)モデルとして直接記述されるため、ペアのプラトン相互作用は補助的なMILP線形化変数を必要とせず、ネイティブな二次Ising項として表現される。
我々は、ニューヨーク州トロイの24時間顕微鏡SUMOシミュレーションとIBM Quantumハードウェアベンチマークを用いて、フレームワークの評価を行った。
SUMOの調査は、非協力的なベースラインと比較して、艦隊の牽引エネルギー需要が18.5 %以上減少していることを示している。
25ビットのベンチマークインスタンスが$\texttt{ibm_boston}$で実行される場合、Linear-Chain QAOAは、密度の高いQAOAと比較して2ビットのCNOT深さを6.7\%$に減らし、$P_{\text{feas}} = 38.6\%$と$P_{\text{opt}} = 14.2\%$を$p=2$でサンプリングする。
これらの結果から, エッジ認識と浅部量子最適化がクローズドループCAVプラトンディスパッチの有用な構成要素として有効であることが示唆された。
関連論文リスト
- HetRoute Heterogeneous and Cost-aware Collaborative Routing Framework for Distributed Edge MoE Inference [47.0879800334801]
HetRouteは、分散エッジMoE推論のための異種コスト対応協調ルーティングフレームワークである。
HetRouteは平均推論遅延を59.0%、P99レイテンシを58.0%まで削減する。
論文 参考訳（メタデータ） (2026-08-01T10:30:01Z) - FedQML-Edge: Compact Quantum Feature Sketches for Communication-Constrained Roadside Federated Learning [1.856334276134661]
連結および自律走行車回廊をサポートする道路側ユニット(RSU)は、いつ協調操作を報奨するか、延期するか、または無効にするかを決定するためのコンパクトモデルを必要とする。
生のセンサストリームとニューラルネットワークの重みチェックポイントは、帯域幅に制限があり、プライバシに敏感なロードサイド学習には適していない。
本稿では,トラフィック安定ゲーティングのための量子機能スケッチパイプラインであるtextttFedQML-Edge$を提案する。
論文 参考訳（メタデータ） (2026-07-30T19:46:44Z) - D$^3$-Subsidy: Online and Sequential Driver Subsidy Decision-Making for Large-Scale Ride-Hailing Market [13.613354145103656]
D$3$-Subsidy(Dynamic Driver-side Diffusion-based Subsidy)は、都市全体の補助金制御をデプロイするための階層的な拡散ベースのフレームワークである。
D$3$-Subsidyは、上限コンプライアンスを改善しながらtextttRides と textttGMV を改善し、実世界の A/B テストでかなりの上昇を確認した。
論文 参考訳（メタデータ） (2026-05-19T15:55:55Z) - Quantum Inspired Vehicular Network Optimization for Intelligent Decision Making in Smart Cities [2.449235776276883]
本稿では、車間通信(V2V)と車間通信(V2I)を協調的に最適化する量子インスパイアされたフレームワークQIVNOMを提案する。
その結果、QIVNOMは平均エンドツーエンドのレイテンシを57.3msに減らし、最高のベースラインよりも約20%低くした。
論文 参考訳（メタデータ） (2026-03-26T03:04:50Z) - The Curse of Conditions: Analyzing and Improving Optimal Transport for Conditional Flow-Based Generation [56.33404393159126]
本稿では,最適輸送代入を計算する際に,コスト行列に条件付き重み付け項を追加する条件付き最適輸送C2OTを提案する。
実験では、この単純な修正は8gaussian-to-moons、CIFAR-10、ImageNet-32x32、ImageNet-256x256の離散的条件と連続的条件の両方で動作することを示した。
論文 参考訳（メタデータ） (2025-03-13T17:59:56Z) - Dial-a-ride problem with modular platooning and en-route transfers [0.0]
このような技術で需要に敏感な輸送車両群は、乗客をドアからドアへ向かわせたり、小隊同士を低コストで移動させたりすることができる。
混合整数線形プログラミング(MILP)モデルは、この「モジュラーダイアル・ア・ライド問題」を解決するために定式化される。
MDARPの正確な解間の最適性ギャップと計算時間を評価するために, 小型合成数値実験のセットを試験した。
論文 参考訳（メタデータ） (2022-12-01T05:29:46Z) - FeDXL: Provable Federated Learning for Deep X-Risk Optimization [105.17383135458897]
我々は、既存のアルゴリズムが適用できないXリスクのファミリーを最適化するために、新しい連邦学習(FL)問題に取り組む。
Xリスクに対するFLアルゴリズムを設計する際の課題は、複数のマシンに対する目的の非可逆性と、異なるマシン間の相互依存にある。
論文 参考訳（メタデータ） (2022-10-26T00:23:36Z)
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。