从探测车数据预测交通信号配时的机器学习方法
机器学习
2023-08-07 v1 人工智能
摘要
交通信号通过实现交通流管理和确保交叉口安全，在交通运输中发挥着重要作用。此外，了解交通信号相位和配时数据可以实现时间和能源效率最优的车辆路径规划、生态驾驶以及信号控制道路网络的精确仿真。在本文中，我们提出了一种从车辆探测数据估计交通信号配时信息的机器学习（ML）方法。据作者所知，极少有工作提出从车辆探测数据确定交通信号配时参数的 ML 技术。在本工作中，我们开发了极端梯度提升（XGBoost）模型来估计信号周期长度，并开发了神经网络模型从探测数据确定各相位相应的红灯时间。然后由周期长度和红灯时间推导出绿灯时间。我们的结果显示周期长度误差小于 0.56 秒，红灯时间预测平均误差在 7.2 秒以内。
引用
@article{arxiv.2308.02370,
title = {A Machine Learning Method for Predicting Traffic Signal Timing from Probe Vehicle Data},
author = {Juliette Ugirumurera and Joseph Severino and Erik A. Bensen and Qichao Wang and Jane Macfarlane},
journal= {arXiv preprint arXiv:2308.02370},
year = {2023}
}