An efficient transit signal priority (TSP) in connected vehicle (CV) Environment: A dynamic bargaining-game framework with a stochastic shockwave profile model
Notice bibliographique
Résumé
• A new TSP approach in connected vehicle environment is presented. • A stochastic shockwave profile is used to capture the stochasticity in traffic condition. • A bargaining game is designed to enhance cooperative decision-making and efficiency. • Heterogeneous passenger types are considered to enable a transit user-centered TSP. • TSP logic is evaluated from the perspectives of efficiency, reliability, robustness, and equity. This paper introduces a novel transit signal priority (TSP) strategy in a connected vehicle (CV) environment. While leveraging a green reallocation scheme, the proposed TSP strategy employs a stochastic shockwave profile model (SPM) to capture the dynamic interplay between fluctuating demand and supply. SPM treats inflow rate and link exit capacity as stochastic processes, incorporating the mixed traffic stream consisting of transit and private vehicles and their interactions. A bargaining-game framework is formulated, where each signal phase is a player in the game, receiving information from other players to bargain and solve a local optimization problem. A key feature of our game-theoretic approach is the promotion of cooperative decision-making among players with conflicting objectives to enhance green time reallocation strategies. This cooperation aims for a balanced distribution of breakdown occurrences without much compromising system-wide efficiency, ensuring equitable treatment of all intersection users, including boarding passengers, those waiting at transit stops, and private car users. In addition, the TSP problem is formulated to incorporate heterogeneous passenger types, allowing for a more accurate representation of transit users and creating a transit user-centered TSP. The performance of the developed model was evaluated through a case study at a busy intersection in downtown Calgary, focusing on performance indicators such as efficiency, reliability, robustness, and equitable treatment of the conflicting movements. The results show that the bargaining SPM-based TSP model achieves comparable or superior performance to the benchmark models across several key evaluation criteria.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».