A Holistic Framework Towards Vision-based Traffic Signal Control with Microscopic Simulation

要約

交通信号制御 (TSC) は、交通渋滞を緩和し、交通の流れをスムーズにし、アイドリング時間を短縮し、CO2 排出量を軽減するために重要です。
この研究では、視覚的な観察を通じて道路上の交通の流れを調整する TSC のコンピューター ビジョン アプローチを調査します。
従来の機能ベースのアプローチとは異なり、ビジョンベースの方法はヒューリスティックや事前定義された機能にあまり依存せず、エンドツーエンドの学習と交通信号の最適化に有望な可能性をもたらします。
そこで、SUMO で提供される微視的な交通の流れを運転シミュレーター MetaDrive に統合することにより、視覚ベースの TSC とそのベンチマークに向けて、TrafficDojo と呼ばれる総合的な交通シミュレーション フレームワークを導入します。
この提案されたフレームワークは、さまざまな交通条件やシナリオにわたる交通信号制御装置の詳細な分析と包括的な評価のための多用途の交通環境を提供します。
従来のアプローチと強化学習 (RL) アプローチの両方を含むベースライン アルゴリズムを確立して比較します。
この研究により、ビジョンベースの TSC アプローチの設計と開発に関する洞察が得られ、新たな研究の機会が開かれます。
すべてのコードとベースラインは一般公開されます。

要約(オリジナル)

Traffic signal control (TSC) is crucial for reducing traffic congestion that leads to smoother traffic flow, reduced idling time, and mitigated CO2 emissions. In this study, we explore the computer vision approach for TSC that modulates on-road traffic flows through visual observation. Unlike traditional feature-based approaches, vision-based methods depend much less on heuristics and predefined features, bringing promising potentials for end-to-end learning and optimization of traffic signals. Thus, we introduce a holistic traffic simulation framework called TrafficDojo towards vision-based TSC and its benchmarking by integrating the microscopic traffic flow provided in SUMO into the driving simulator MetaDrive. This proposed framework offers a versatile traffic environment for in-depth analysis and comprehensive evaluation of traffic signal controllers across diverse traffic conditions and scenarios. We establish and compare baseline algorithms including both traditional and Reinforecment Learning (RL) approaches. This work sheds insights into the design and development of vision-based TSC approaches and open up new research opportunities. All the code and baselines will be made publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google