Enhancing and Evaluating a Decentralized Cycle-Free Game-Theoretic Adaptive Traffic Signal Controller on an Isolated Signalized Intersection
Notice bibliographique
Résumé
Effective traffic signal control strategies are essential for optimizing urban traffic flow and adapting to dynamic traffic patterns. This research evaluates the performance of the Laguna-Du-Rakha (LDR) developed cycle length optimization strategy and enhances a decentralized cycle-free Nash bargaining (DNB) adaptive traffic signal controller. The enhanced DNB controller utilizes traffic measures, such as queue lengths and approach densities, to optimize phase sequences and splits, considering each signal phase as a player in a game-theoretic framework. Both methods are implemented at a simulated isolated intersection in Toronto, Canada. Comparative performance analysis demonstrates superior performance of both optimization methods over the state-of-practice, the Webster method. Specifically, the optimized cycle length method achieved a 25.6% reduction in delay and a 5.9% reduction in fuel consumption. The DNB controller produced a 37.7% reduction in delay and a 7.4% improvement in fuel economy, alongside significantly decreased queue lengths at intersection approaches for both methods. The optimized cycle length method mitigates the overestimated cycle lengths produced by the Webster method, leading to enhanced control performance. Furthermore, the application of game theory to traffic signal control provides dynamic switching behavior that adapts to fluctuating traffic conditions, thereby reducing traffic congestion and improving fuel economy in urban networks. As such, this research contributes to the development of smarter and more responsive urban traffic management systems.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».