Bi-objective simulation optimization for online feedback control of variable speed limits considering uncertain traffic demands and compliance behaviours
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Variable speed limits (VSL) stands out as a well-established and effective strategy to alleviate traffic congestion and enhance traffic safety on motorways. It allows variable message signs (VMSs) to dynamically determine the speed limits according to real-time traffic states. This paper introduces an innovative online feedback control approach designed to regulate speed limit values on VMSs, addressing multiple bottlenecks while considering their spatiotemporal constraints. Moreover, we offline optimize the gain coefficients of this feedback control approach in the simulation-based optimization (SBO) framework. Specifically, with average and variance of space-mean speeds as bi-objectives, a stochastic SBO model considering uncertain traffic demands and compliance behaviours is established and solved by a bi-objective surrogate-based promising area search (BOSPAS) algorithm. Real-field experiments conducted in Edmonton, Canada, demonstrate the well-performing bi-objectives of the proposed approach, especially in handling uncertain compliance behaviours and traffic demands. Compared with the uncontrolled scenario, the feedback control schemes with the offline optimized gain coefficients improve the average and variance of space-mean speeds by up to 16.2% and 20.8%, respectively. Meanwhile, by the comparison of detailed performances, it is found that the optimized control schemes perform better than the uncontrolled scheme from the overall and local aspects. In conclusion, this study puts forward a general framework that applies an online feedback control approach with gain coefficients optimized offline by an SBO method to deal with real-time decision-making problems under uncertainties.
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.
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 découle