Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

CityLight: Mô hình phổ quát bao gồm khu phố để điều khiển tín hiệu giao thông phối hợp trên quy mô thành phố

Created by
  • Haebom

Tác giả

Jinwei Zeng, Chao Yu, Xinyi Yang, Wenxuan Ao, Qianyue Hao, Jian Yuan, Yong Li, Yu Wang, Huazhong Yang

Phác thảo

Bài báo này tập trung vào việc tìm hiểu một chính sách đa năng, xem xét tính không đồng nhất của các nút giao thông tự phát và ảnh hưởng của các nút giao thông lân cận trong điều khiển tín hiệu giao thông đô thị (TSC). Để khắc phục những hạn chế của các phương pháp hiện có chỉ xem xét thông tin về các nút giao thông tự phát, chúng tôi trình bày mô hình CityLight, bao gồm một Bộ mã hóa Ảnh hưởng Hàng xóm (Neighbor Influence Encoder), mô hình hóa rõ ràng ảnh hưởng của các nút giao thông lân cận, và một Bộ tổng hợp Ảnh hưởng Hàng xóm (Neighbor Influence Aggregator), tổng hợp các ảnh hưởng bằng cách xem xét các mối quan hệ cạnh tranh giữa các nút giao thông lân cận. CityLight chứng minh hiệu quả của nó trên năm tập dữ liệu thành phố với quy mô khác nhau, cho thấy thông lượng trung bình được cải thiện 11,68% và hiệu suất tổng quát được cải thiện 22,59%.

Takeaways, Limitations

•
Takeaways:
◦
Chúng tôi trình bày một phương pháp mới để cải thiện hiệu suất điều khiển tín hiệu giao thông trên quy mô thành phố bằng cách xem xét ảnh hưởng của các giao lộ lân cận cũng như các giao lộ ích kỷ.
◦
Chúng tôi chứng minh tính thực tiễn của chính sách phổ quát của mình bằng cách xác nhận hiệu quả của nó trên các tập dữ liệu đô thị có quy mô khác nhau.
◦
Đề Xuất khả năng kiểm soát tín hiệu giao thông hiệu quả hơn bằng cách xem xét sự cạnh tranh giữa các giao lộ lân cận.
•
Limitations:
◦
Cần phải phân tích thêm về chi phí tính toán và khả năng mở rộng của mô hình đề xuất.
◦
Cần nghiên cứu thêm về khả năng thích ứng của mô hình với nhiều điều kiện giao thông khác nhau (ví dụ: tai nạn, sự kiện đặc biệt).
◦
Cần có thêm các thí nghiệm và xác nhận để áp dụng vào môi trường đô thị thực tế.
👍
Made with Slashpage