MétaCan
Menu
Retour à la cohorte
Enregistrement W2148562479 · doi:10.1109/ivs.2007.4290286

A fuzzy Logic Controller for Isolated Signalized Intersection with Traffic Abnormality Considered

2007· article· en· W2148562479 sur OpenAlexaff
Biji Nair, Jinhai Cai

Notice bibliographique

RevueIEEE Intelligent Vehicles Symposium · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésIntersection (aeronautics)Controller (irrigation)Fuzzy logicTraffic flow (computer networking)Computer scienceTraffic congestion reconstruction with Kerner's three-phase theoryControl theory (sociology)Traffic conflictFuzzy control systemFloating car dataTraffic engineeringReal-time computingTraffic optimizationEngineeringControl (management)Traffic congestionComputer networkTransport engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper presents a fuzzy logic controller for an isolated signalized intersection. The controller controls the traffic light timings and phase sequence to ensure smooth flow of traffic with minimal delay. Usually fuzzy traffic controllers are optimized to maximize traffic flows/minimize traffic delays under typical traffic conditions. Consequentially, these are not the optimal traffic controllers under exceptional traffic cases such as roadblocks and road accidents. We propose a new fuzzy traffic controller that can optimally control traffic flows under both normal and exceptional traffic conditions. In this system, sensors are placed strategically at incoming and outgoing links (lanes) and the controller utilize the information received from these sensors to make optimal decisions to minimize the traffic delays. A simulator is developed to evaluate the performance of traffic controllers under different conditions. Results show that the performance of the proposed traffic controller is similar to that of conventional fuzzy traffic controllers under normal traffic conditions and is better that of others under abnormal traffic conditions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,507
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,228
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Intelligent Vehicles SymposiumMême sujetTraffic control and managementTravaux en français237 207