Next-Generation Vehicle Platooning: Leveraging Quantum Long Short-Term Memory Networks
Notice bibliographique
Résumé
This study explores the integration of Quantum Long Short Term Memory (QLSTM) networks into vehicle platooning systems to enhance the coordination and performance of platoons on highways. Vehicle platooning is a transformative approach to managing fleets of vehicles by utilizing advanced communication and control technologies. These technologies synchronize speed and maintain optimal inter-vehicle distances, improving traffic flow and safety. Our research presents a novel system model for vehicle platooning that includes both vehicle-to-infrastructure (V2I) and vehicle-to-vehicle (V2V) communications enabled by a Roadside Unit (RSU), which facilitates the exchange of critical data such as speed, position, and control inputs among vehicles. The core of our methodology is the application of a QLSTM network, which is trained with historical traffic data to predict future states of vehicle platoons. This allows platoons to dynamically adjust their behavior in response to real-time conditions, optimizing the overall traffic flow and reducing the likelihood of collisions. The objective function of our model focuses on minimizing deviations from desired state references, emphasizing the importance of maintaining specified inter-vehicle distances and velocities. Preliminary results demonstrate that our QLSTM-enhanced platooning model significantly improves the stability and efficiency of vehicular platoons, particularly in complex traffic scenarios on the I–26 freeway in South Carolina. This study not only provides a practical framework for implementing quantum computing techniques in real-world transportation systems but also opens new avenues for further research in quantum-resilient traffic management solutions.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».