读书笔记 - Adaptive Traffic Signal Control With Vehicular Ad hoc Networks

最新推荐文章于 2022-09-26 23:27:20 发布
最新推荐文章于 2022-09-26 23:27:20 发布
阅读量250 收藏 1
点赞数
分类专栏： 交叉口控制 文章标签： 车联网
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gaoruowen1/article/details/82800760
版权

Adaptive Traffic Signal Control With Vehicular Ad hoc Networks

主要思路

处理器作业调度问题 -> 车辆交通信号控制问题 （作业 -> 车辆）
最小化交叉口延迟 -> 定义新算法OJF

问题背景

环路检测器、交通监控摄像机等路边传感器交通信号控制方法虽然有效，但是需要高度人为干预，设备贵。

信号控制器接收来自车辆的信息，例如车辆的位置和速度，然后利用该信息来优化交叉口处的交通信号调度。通过车辆中的车载传感器和特定用于车辆应用的标准无线通信协议来实现。

车载自组织网络（VANET）
车辆可以使用无线通信用于车辆到车辆（V2V）或车辆到基础设施（V2I）通信。将通过V2V或V2I通信链路形成的瞬态网状网络称为车载自组织网络（VANET）

EmilyGnn
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Vehicular Networks-Techniques, Standards, and Applications
09-07
Book - Vehicular Networks-Techniques, Standards, and Applications. Authors:Hassnaa Moustafa, Yan Zhang. CRC Press. English PDF format.
对《Mode-Adaptive Neural Networks for Quadruped Motion Control》一文的理解(上)
热门推荐
Arcobaleno
03-15 3万+
该篇文章发表于SIGGRAPH2018，作者HE ZHANG † , University of Edinburgh、SEBASTIAN STARKE , University of Edinburgh TAKU KOMURA, University of Edinburgh、JUN SAITO, Adobe Research (话说SEBASTIAN STARKE似乎长的很帅 - - 。咳) ...
【CVPR 2019】Semantic Image Synthesis with Spatially-Adaptive Normalization（SPADE）
Joselynzhao
01-25 2419
文章目录Introduction3. Semantic Image SynthesisSpatially-adaptive denormalization.conclusion # 空间自适应正则化 We propose spatially-adaptive normalization, a simplebut effective layer for synthesizing photorealistic images given an input semantic layout. we
【论文阅读】Adaptive Clustering-based Malicious Traffic Classification at the Network Edge
m0_46629911的博客
09-26 582
流量异常检测方向论文阅读
[论文笔记] Domain-Adaptive Few-Shot Learning
weixin_44563093的博客
04-20 3689
原文链接：https://openaccess.thecvf.com/content/WACV2021/papers/Zhao_Domain-Adaptive_Few-Shot_Learning_WACV_2021_paper.pdf github链接：GitHub - dingmyu/DAPN: A pytorch implementation of "Domain-Adaptive Few-Shot Learning"（有bug和文件缺失，无法运行） Methodology (论文原图，侵删).
SPADE: Semantic Image Synthesis with Spatially-Adaptive Normalization
mokeyser的博客
04-10 4080
介绍 先前的工作（指的是pix2pix，pix2pixHD）是：semantic layout 作为网络input。作者认为由于normalization会洗掉语义信息，提出网络的输入the input layout for modulating the activations in normalization layers through a spatially adaptive, learned transformation.通过空间自适应学习转换使用输入语义布局来调制激活函数，这个翻译我一直不怎么.
【阅读笔记】Meta-Learning with Task-Adaptive Loss Function for Few-Shot Learning-ICCV-2021
靓仔博客
01-14 2185
在少样本学习场景中，挑战在于当每个任务只有很少的标记示例可用时，在新的未见示例上泛化并表现良好。与模型无关的元学习（MAML）因其灵活性和对各种问题的适用性而成为具有代表性的少样本学习方法之一。然而，MAML 及其变体通常采用简单的损失函数，而没有任何辅助损失函数或正则化项来帮助实现更好的泛化。问题在于每个应用和任务可能需要不同的辅助损失函数，特别是当任务多样化和不同时。我们没有尝试为每个应用程序和任务手动设计辅助损失函数，而是引入了一个新的元学习框架，该框架具有适应每个任务的损失函数。我们提出的框架名为
论文理解：“Self-adaptive loss balanced Physics-informed neural networks“
RrS_G的博客
08-07 1717
译：自适应损失平衡物理信息神经网络-- Neurocomputing -- 2022 鉴于PINN的损失函数的各个权重是固定的，并且也有研究观察到PINN的训练效率敏感地依赖于与不同损失项相关的权重。但是一般的调整损失权重的方法非常耗时、费力，而且容易出现错误和遗漏。所以作者希望找到一种更方便的自适应学习损失权值的方法——自适应损失平衡物理信息神经网络(IbPINNs)。 首先PINN的损失是：其中损失权重λ大小是固定的，以及作者通过数值实验研究了损失权值对PINN精度的影响。这
每天一篇论文 308/365 Pixel-Adaptive Convolutional Neural Networks
流浪机器人的博客
01-06 2706
Pixel-Adaptive Convolutional Neural Networks CODE：https://suhangpro.github.io/pac/ 摘要 卷积是cnn的基本组成部分。它们的权重在空间上是共享的，这是它们广泛使用的一个主要原因，但这也是一个主要的限制，因为它使得卷积不可知论的争论。我们提出了一种像素自适应卷积（PAC）操作，这是对标准卷积的一种简单而有效的改进，在这...
A-VeMAC: an Adaptive Vehicular MAC Protocol for Vehicular Ad Hoc Networks
02-22
This paper proposes an adaptive vehicular MAC protocol, called A-VeMAC, for VANETs. A-VeMAC is a multichannel MAC protocol based on VeMAC. Like VeMAC, it employs a TDMA mechanism, and supports one ...
jisuanjifangzhen.rar_ad hoc C++_ad-hoc networks_网络资源分配
09-14
在“jisuanjifangzhen.rar_ad hoc C++_ad-hoc networks_网络资源分配”这个压缩包中，主要涉及的是如何利用C++进行Ad Hoc网络的构建和资源分配的问题。首先，我们要理解Ad Hoc网络的基本架构，它是由多个节点（通常...
A node-position based adaptive routing optimizaition in hierarchical Ad Hoc networks
02-09
 
1974-TAC-Model reference adaptive control with an augmented error signal.pdf
05-14
最早提出执行器受限处理方法的问题，该文献的思想在输入饱和处理方面较为经典，值得一看，现有文献中的方法，均是来自于此文献。
Neural Networks-Based Adaptive Control for Nonlinear Time-Varying Delays Systems With Unknown Control Direction
02-21
This paper investigates a neural network (NN) state observer-based adaptive control for a class of time-varying delays nonlinear systems with unknown control direction. An adaptive neural memoryless ...
U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization
shY Pa
08-07 4311
论文题目：U-GAT-IT: Unsupervised Generative Attentional Networks with AdaptiveLayer-Instance Normalization for Image-to-Image Translation（2019-7-25） code：https://github.com/taki0112/UGATIT（tensorflow版本）/...
读书笔记 - Multi-agent Reinforcement Learning for Traffic Signal Control
能能
10-12 7341
《Multi-agent Reinforcement Learning for Traffic Signal Control》 在本文中，我们将 traffic signal control (TSC) 问题制定为**折扣成本马尔可夫决策过程（MDP）**并应用多智能体强化学习（MARL）算法来获得动态TSC策略。 我们将每个交通信号交叉点建模为独立代理，代理使用基于e-greedy或UCB【3】...
读书笔记-Coordinated Deep Reinforcement Learners for Traffic Light Control
能能
10-06 1537
Coordinated Deep Reinforcement Learners for Traffic Light Control 本文研究了交通灯的学习控制策略。在交通灯控制问题引入了一种新的奖励函数，并提出了将DQN算法 与 传输规划transfer planning相结合的多代理深度强化学习方法。通过使用传输规划，它避免了之前多代理强化学习中存在的问题，并且允许更快和更可扩展的学习。它优于早...
读书笔记-城市道路交通信号区域均衡控制方法及应用研发
能能
10-05 820
区域协调控制研究： 根据优化目标不同：基于时间-距离图的绿波带优化法、基于交通流模拟的效益指标优化法（如饱和度、停车次数、延误及行程时间） 根据适用的交通流状态的不同：面向非饱和交通流的区域协调控制、面向饱和交通流的区域协调控制 一般来说，绿波带优化法比较适用于非饱和交通流下的协调控制，饱和度优化适用于瓶颈区域的协调控制。 研究背景 交通信号控制方式 随着智能传感器、物联网、车联网、车路协同和人工...
iso 15622 - adaptive cruise control systems (accs)
最新发布
04-29
ISO 15622是一项关于自适应巡航控制系统（ACCS）的国际标准。该标准旨在确保ACCS系统的工作稳定性和协调性，以提高汽车行驶的安全性和舒适性。 ACCS系统是一种可自动调节车速的汽车辅助驾驶技术。...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值