論文の概要: Routing Around the Queue: An Evaluation of Eco-Routing Protocol on different Traffic Scenarios

• arxiv url: http://arxiv.org/abs/2610.35479v1
• Date: Mon, 26 Oct 2026 14:11:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.022392
• Title: Routing Around the Queue: An Evaluation of Eco-Routing Protocol on different Traffic Scenarios
• Title（参考訳）: 待ち行列のルーティング: 異なる交通シナリオにおけるEco-Routing Protocolの評価
• Abstract要約: 道路側ユニット(RSU)が走行時間毎に収集し,通過車両からCO2を報告する車両エコルーティングプロトコルであるErouVeを評価した。 この評価により、プロトコルの強みと弱みが明らかになる。
• 参考スコア（独自算出の注目度）: 1.1363434943370692
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We evaluate ErouVe, a vehicular eco-routing protocol in which roadside units (RSUs) collect per-segment travel-time and CO2 reports from passing vehicles and answer route requests with the lowest-cost alternative, across a range of road architectures and traffic scenarios. We conduct the evaluation with a working implementation of the protocol inside Veins, adapted to drive SUMO's own router rather than a hand-rolled shortest-path search, on a network offering a short, signal-controlled route and a longer, signal-free bypass, under two traffic scenarios. This evaluation reveals clear strengths and weaknesses of the protocol. Under light, uncongested traffic, ErouVe's fleet-wide effect is light. Under traffic dense enough to stress the signalized route's throughput and produce a real, growing queue, the same protocol succeeds a medium fleet-wide CO2 reduction, with diverted vehicles individually saving even more fuels. We use these findings to propose three targeted corrective methods; a knowledge-gated cost-acceptance rule, a diversion-locking rule, and a distance-normalized CO2 cost function, that respectively address a cold-start knowledge asymmetry, decision flapping under noisy crowd-sourced data, and a per-second CO2 metric that rewards idling. Each of these weaknesses are generic pitfalls for any crowd-sourced routing signal and all proposed methods measurably restore protocol effectiveness.
• Abstract（参考訳）: 道路側ユニット(RSU)が車種ごとの走行時間とCO2の報告を収集し,道路アーキテクチャや交通シナリオを通じて,低コストの代替手段による経路要求に応答する車両エコルーティングプロトコルであるErouVeを評価した。 本研究では,手動のショートパスサーチではなく,SUMOのルータを駆動するために,Veins内部のプロトコルの動作実装を用いて,短い信号制御経路とより長い信号フリーバイパスを提供するネットワーク上で,2つのトラフィックシナリオの下で,SUMOのルータを動作させることにより評価を行う。 この評価により、プロトコルの強みと弱みが明らかになる。 光と渋滞のない交通の中では、エルーヴェの艦隊全体の効果は軽快である。 信号経路のスループットを強調し、実際に成長するキューを生成するのに十分なトラフィックの下で、同じプロトコルが中規模艦隊全体のCO2削減を成功させ、分岐した車両は個別により多くの燃料を節約する。 これらの知見を用いて, 冷間開始時の知識非対称性に対処する知識付きコスト受容則, ディバージョンロック則, 距離正規化CO2コスト関数, ノイズの多いクラウドソースデータに基づく意思決定, アイドリングに報いる秒単位CO2メトリックの3つの目標補正法を提案する。 これらの弱点は、クラウドソースのルーティング信号に対して一般的な落とし穴であり、提案手法はすべてプロトコルの有効性を計測的に復元する。

関連論文リスト

• Analyzing Emissions and Energy Efficiency at Unsignalized Real-world Intersections Under Mixed Traffic Control [27.838827756692243]
  アメリカの交通機関は米国の排出量の28%を排出している。 近年の研究では、信号交差点における混在交通制御エコ自動運転戦略が開発され、排出量の削減が図られている。 我々は、複雑な実世界のトポロジと交通需要を伴う無署名の交差点に関するエミッション分析を提供する。
  論文  参考訳（メタデータ） (2023-11-20T16:02:33Z)
• Deep Reinforcement Learning-based Intelligent Traffic Signal Controls with Optimized CO2 emissions [6.851243292023835]
  交通ネットワークは、人間の健康や環境に悪影響を及ぼし、交通渋滞に寄与する準最適制御政策の課題に直面している。 文献における適応的な信号制御装置はいくつかあるが、それらの比較性能について限定的な研究がなされている。 EcoLightは,CO2排出量を削減するだけでなく,旅行時間などの指標で競合する結果が得られる強化学習アルゴリズムの報酬形成手法である。
  論文  参考訳（メタデータ） (2023-10-19T19:54:47Z)
• Learning to Sail Dynamic Networks: The MARLIN Reinforcement Learning Framework for Congestion Control in Tactical Environments [53.08686495706487]
  本稿では, 正確な並列化可能なエミュレーション環境を利用して, 戦術ネットワークの環境を再現するRLフレームワークを提案する。 衛星通信(SATCOM)とUHFワイドバンド(UHF)の無線リンク間のボトルネックリンク遷移を再現した条件下で、MARLINエージェントを訓練することにより、我々のRL学習フレームワークを評価する。
  論文  参考訳（メタデータ） (2023-06-27T16:15:15Z)
• 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)
• iPLAN: Intent-Aware Planning in Heterogeneous Traffic via Distributed Multi-Agent Reinforcement Learning [57.24340061741223]
  本稿では,高密度および不均一な交通シナリオにおける軌跡や意図を予測できる分散マルチエージェント強化学習(MARL)アルゴリズムを提案する。 インテント対応プランニングのアプローチであるiPLANにより、エージェントは近くのドライバーの意図をローカルな観察からのみ推測できる。
  論文  参考訳（メタデータ） (2023-06-09T20:12:02Z)
• 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)
• An Efficient Routing Protocol for Secured Communication in Cognitive Radio Sensor Networks [4.363674669941547]
  本稿では,CRSN(Cognitive Radio Sensor Networks)におけるノードのモビリティと信頼性を考慮した効率的なリアクティブルーティングプロトコルを提案する。 提案プロトコルは,ノードの移動パターンとチャネルの可利用性を測定するためのエッジの重みを測定する。 提案プロトコルは,ソースから宛先までの安定経路とセキュア経路を選択することで,効率的なルーティング性能を示すことが期待される。
  論文  参考訳（メタデータ） (2020-08-29T02:45:44Z)

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。