Signal-Vehicle Coordination Control Modeling and Roadside Unit Deployment Evaluation under V2I Communication Environment
Notice bibliographique
Résumé
Signal-vehicle coordinated control holds substantial promise for enhancing urban transportation efficiency. However, its development faces notable challenges: (1) most existing studies have been conducted based on the assumption of perfect communication conditions. This assumption overlooks the significant impact of vehicle-to-infrastructure (V2I) communication quality on control performance, which leads to poor applicability in practice. (2) The evaluation of roadside unit (RSU) deployment for optimizing signal-vehicle control has not been well studied. Hence, the modeling of signal-vehicle coordination control and RSU deployment evaluation under V2I environment are studied in this paper. First, we introduce a communication model that characterizes the imperfections in communication between RSUs and connected vehicles (CVs). Second, we propose a model for signal-vehicle coordination control within this connected environment. This model integrates strategies from both signal control optimization and the speed optimization of CV platoons. Finally, to assess the impact of the RSU deployment parameters on the performance of signal-vehicle coordination control, we introduce a systematic evaluation method. The reduction in vehicle delays is introduced as the evaluation indicator for control performance. Six other indicators—the number of vehicles in the RSU communication domain, connectivity probability between the CV and RSU, number of vehicles whose speeds are successfully optimized, number of speed adjustments, green extension time, and overlap rate of the communication domains of multiple RSUs—are introduced as the observation indicators. The simulation experiments verify the effectiveness of the proposed model in implementing signal-vehicle coordination control under imperfect communication and environments in low-traffic, medium-traffic, and high-traffic scenarios. Furthermore, these experiments show the quantitative impact of RSU deployment parameters (communication distance, command transmission cycle, installation position, and number of RSUs) on control performance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».