Centralized and Decentralized Signal Control with Short-Term Origin-Destination Demand for Network Traffic
Notice bibliographique
Résumé
We develop and assess centralized and decentralized signal control systems with short-term origin-destination (OD) demands as inputs. Considering each intersection turning movement as a virtual link, we assign traffic demand to paths based on minimal instantaneous travel time. Then, the optimal control is formulated using a G/G/n/FIFO open queueing network model (QNM). We also solve the issue of optimal control using a three-step naïve method for the centralized system with the new inputs. Because the optimization of large-scale network traffic signals can involve sizeable numbers of decision variables and nonlinear constraints, making it a nondeterministic polynomial time (NP) complete problem, we further decompose the centralized system into a decentralized system where the network is divided into subnetworks. Each subnetwork has a dedicated agent that optimizes signals within it. Furthermore, traffic demand for the entire network is decomposed into demands for subnetworks via path decomposition index (PDI). The proposed control systems are applied to test scenarios constructed using different demand profiles in grid networks. We also investigate the impact of network decomposition strategy on signal control system performance. Results show that network decomposition with smaller subnetworks results in less computational time (CT) but increased average travel time (ATT) and total travel delay (TTD).
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 ».