MétaCan
Menu
Retour à la cohorte
Enregistrement W4280592142 · doi:10.1155/2022/4745879

An Occupancy-Based Adaptive Signal Control for a Congested Signalized Intersection in the Low CV Penetration Environment

2022· article· en· W4280592142 sur OpenAlexaffvenue
Yi Zhang, Jianhua Zhang, Baihong Tan, Shuxian He, Liqun Peng, Tony Z. Qiu

Notice bibliographique

RevueJournal of Advanced Transportation · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesScience and Technology Program of Zhejiang ProvinceMajor Scientific and Technological Project of Zhejiang ProvinceMinistry of Public Security of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésOccupancyIntersection (aeronautics)Computer scienceSignal timingPenetration (warfare)Real-time computingTransport engineeringSimulationMathematical optimizationTraffic signalEngineeringOperations researchMathematics

Résumé

récupéré en direct d'OpenAlex

Adaptive signal control (ASC) is a well-researched topic that offers an efficient way for traffic management. It possesses a powerful ability to accommodate complex and constantly changing urban transportation networks. With the development of vehicular communication, CV-based ASC shows remarkable advantages compared with the traditional ASC system. Though the existing CV-based ASC strategies were proposed in the past few years, however, there are still issues to overcome. Most of the studies on CV-based ASC are based on the assumption of high CV penetration rate, which often result in poor performance when applied to low CV penetration environments. Besides, the lack of consideration for mixed traffic flow, which is in terms of both the vehicle types and CV penetration of different types of vehicles. To solve these issues, this paper developed an Occupancy-Based ASC strategy for a congested signalized intersection to optimize signal timing and reduce total passenger delay in the low CV penetration environment. Focused on the issues existing in the low CV penetration environment, a Maximum Likelihood Estimation (MLE) model was proposed to estimate vehicle arrivals, and two traffic models, MicroDM and MacroDM, were developed to model the mixed traffic flow and estimate passenger delay. With the purpose of offering fair treatment to passengers approaching the intersection, we proposed an Occupancy-Based Adaptive Signal Control strategy. By transforming the complex signal control problem into a mixed-integer linear programming problem, we found the optimal solution for minimizing total passenger delay. We then evaluated the proposed Occupancy-Based ASC strategy using simulation case studies. The results show that changing traffic status could be captured and estimated with the real-time CV trajectory data as input. Applying the Occupancy-Based ASC control strategy, phases with HOVs or more vehicles will be allocated more travel time. In particular, optimization results show that the proposed Occupancy-Based ASC strategy effectively balances passenger travel demands during peak volume periods.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,206
Écart entre enseignants0,200 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTraffic control and managementTravaux en français237 207