Backpressure-Based Distributed Dynamic Route Control for Connected and Automated Vehicles
Notice bibliographique
Résumé
This study focuses on the dynamic route control (DRC) problem for connected and automated vehicles (CAVs). The problem is usually solved using two popular methods, i.e., dynamic shortest path (DSP) and dynamic system optimal assignment (DSO). However, the DSP algorithm is unproductive under congested conditions, while the DSO, although can achieve system optimal, possesses considerable algorithm complexity. Furthermore, the two methods are usually solved in a centralized system due to the need for global information of the entire network, which is both communicationally and computationally ineffective. With the emergence of mobile edge computing (MEC), a new distributed DRC method only relying on local information is more achievable and practical. In this context, this research developed a novel DRC algorithm based on the distributed Backpressure (BP) principle for the MEC-enabled CAVs. The BP herein is modified as a function of the real-time density, which avoids the unrealistic point queue assumption in the original BP algorithm. In addition, the real-time traffic state is pre-identified to determine whether re-routing is essential, thereby reducing the possibility of CAVs guided to unnecessarily long routes. Results from the case study simulated by the traffic simulation software Simulation of Urban MObility (SUMO) indicate that the proposed method outperforms the BP method without congestion identification in low-demand cases, and the performance is significantly better than the DSP while approximating the DSO in congested cases. More importantly, both communicational cost and algorithm execution time was greatly reduced when compared with the DSO.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».