Probabilistic Generative Modeling for Procedural Roundabout Generation for Developing Countries

要約

限られた資源と急速な経済成長により、大規模な手動テストは費用がかかり、実行不可能なことが多い発展途上国にとって、費用対効果の高い方法で交通シミュレーションと検証を行って最適な交通道路ネットワークを設計することが不可欠です。
現在のルールベースの道路設計ジェネレーターには、設計の堅牢性にとって重要な機能である多様性が欠けています。
生成フロー ネットワーク (GFlowNets) は、正規化されていない報酬分布からサンプリングする確率的ポリシーを学習し、多様性を維持しながら高品質のソリューションを生成します。
この研究では、マルコフ決定プロセスによって、付随する道路をラウンドアバウトの円形ジャンクションにリンクする問題を定式化し、ジャンクション アート道路ジェネレーターとして GFlowNets を利用します。
私たちの方法を関連する方法と比較したところ、私たちの方法が高い妥当性スコアを維持しながらより優れた多様性を達成するという経験的結果が示されました。

要約(オリジナル)

Due to limited resources and fast economic growth, designing optimal transportation road networks with traffic simulation and validation in a cost-effective manner is vital for developing countries, where extensive manual testing is expensive and often infeasible. Current rule-based road design generators lack diversity, a key feature for design robustness. Generative Flow Networks (GFlowNets) learn stochastic policies to sample from an unnormalized reward distribution, thus generating high-quality solutions while preserving their diversity. In this work, we formulate the problem of linking incident roads to the circular junction of a roundabout by a Markov decision process, and we leverage GFlowNets as the Junction-Art road generator. We compare our method with related methods and our empirical results show that our method achieves better diversity while preserving a high validity score.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google