Realistic Urban Traffic Generator using Decentralized Federated Learning for the SUMO simulator

要約

現実的な都市交通シミュレーションは、持続可能な都市計画とインテリジェント輸送システムの開発に不可欠です。
ただし、特に大規模なシナリオでは、現実世界の条件を正確に反映する高忠実度の時間変化するトラフィックプロファイルを生成することは、依然として大きな課題です。
既存の方法は、集中化されたデータ処理により、正確性、スケーラビリティ、またはプライバシーの懸念を引き起こす制限に苦しむことがよくあります。
この作業では、ディープ補強学習（DRL）エージェントをSUMOシミュレーターと統合して現実的な24時間トラフィックパターンを生成する新しいフレームワークであるDesrutge（分散型現実的な都市交通ジェネレーター）を紹介します。
Desrutgeの主要な革新は、分散型連合学習（DFL）の使用であり、各トラフィック検出器とそれに対応する都市帯機能が独立した学習ノードとして機能します。
これらのノードは、最小限の履歴データを使用してローカルDRLモデルをトレーニングし、中央のコーディネーターを必要とせずに、選択したピア（例えば、地理的に隣接するゾーンなど）とモデルパラメーターを交換することにより、パフォーマンスを協力します。
バルセロナ市の実際のデータを使用して評価されたDesrutgeは、より正確でプライバシーを提供するトラフィックパターンの生成を提供することにより、RoutesAmplerなどの標準的なSUMOベースのツールやその他の集中学習アプローチを上回ります。

要約(オリジナル)

Realistic urban traffic simulation is essential for sustainable urban planning and the development of intelligent transportation systems. However, generating high-fidelity, time-varying traffic profiles that accurately reflect real-world conditions, especially in large-scale scenarios, remains a major challenge. Existing methods often suffer from limitations in accuracy, scalability, or raise privacy concerns due to centralized data processing. This work introduces DesRUTGe (Decentralized Realistic Urban Traffic Generator), a novel framework that integrates Deep Reinforcement Learning (DRL) agents with the SUMO simulator to generate realistic 24-hour traffic patterns. A key innovation of DesRUTGe is its use of Decentralized Federated Learning (DFL), wherein each traffic detector and its corresponding urban zone function as an independent learning node. These nodes train local DRL models using minimal historical data and collaboratively refine their performance by exchanging model parameters with selected peers (e.g., geographically adjacent zones), without requiring a central coordinator. Evaluated using real-world data from the city of Barcelona, DesRUTGe outperforms standard SUMO-based tools such as RouteSampler, as well as other centralized learning approaches, by delivering more accurate and privacy-preserving traffic pattern generation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google