A DRL solution to help reduce the cost in waiting time of securing a traffic light for cyclists

要約

自転車利用者は、自動車交通から分離されたインフラストラクチャを使用することを好みます。
信号機を使用して車と自転車の流れを分離し、自転車専用の青信号を追加することは、独立した自転車レーンなどのより重いインフラストラクチャの機会を評価するために動的に導入できる軽量で安価なソリューションです。
これらの新しい段階によって引き起こされる待ち時間の増加を補うために、本稿では、信号機の青段階のサイクルを交通状況に適応させる深層強化学習ソリューションを紹介します。
車両カウンター データは、DRL アプローチと作動した信号機制御アルゴリズムを丸一日にわたって比較するために使用されます。
結果は、DRL がほぼすべての時間帯で車両の待ち時間をより適切に最小化できることを示しています。
当社の DRL アプローチは、自転車交通量の緩やかな変化にも堅牢です。
このペーパーのコードは、https://github.com/LucasMagnana/A-DRL-solution-to-help-reduce-the-cost-in-waiting-time-of-securing-a-traffic-light- で入手できます。
サイクリスト向け。

要約(オリジナル)

Cyclists prefer to use infrastructure that separates them from motorized traffic. Using a traffic light to segregate car and bike flows, with the addition of bike-specific green phases, is a lightweight and cheap solution that can be deployed dynamically to assess the opportunity of a heavier infrastructure such as a separate bike lane. To compensate for the increased waiting time induced by these new phases, we introduce in this paper a deep reinforcement learning solution that adapts the green phase cycle of a traffic light to the traffic. Vehicle counter data are used to compare the DRL approach with the actuated traffic light control algorithm over whole days. Results show that DRL achieves better minimization of vehicle waiting time at almost all hours. Our DRL approach is also robust to moderate changes in bike traffic. The code of this paper is available at https://github.com/LucasMagnana/A-DRL-solution-to-help-reduce-the-cost-in-waiting-time-of-securing-a-traffic-light-for-cyclists.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google