ELMOPP：图论与机器学习在交通信号灯协调中的应用
计算工程、金融与科学
2021-06-21 v1 计算机与社会
摘要
交通灯管理是一个广泛的课题，已有各种论文提出了利用交通灯高效管理交通的算法。其中两种算法是OAF（最旧到达优先）和ITLC（智能交通灯控制器）算法。然而，许多交通灯算法不考虑未来交通流，因此无法以缓解未来交通的方式来减少当前的交通。本文提出边缘负载管理与伪流预测优化（ELMOPP）算法，旨在解决先前算法中详述的问题；通过带有嵌套长短期记忆（NLSTM）模块的机器学习和图论，该算法试图利用过去数据和交通模式预测近期未来，以告知其实时决策，并基于过去流量预测未来交通流，利用这些预测同时最大化当前交通流量并减少未来交通拥堵。此外，虽然ITLC和OAF分别需要使用GPS转发器，以及GPS、速度传感器和无线电，但ELMOPP仅使用交通灯摄像头画面，与GPS和速度传感器相比这几乎总是容易获得的。ELMOPP在ITLC论文中提出的单交叉口仿真模型下针对ITLC和OAF交通管理算法进行了测试，收集的数据支持以下结论：ELMOPP在吞吐量率（每秒能够驶出进口道的车辆数度量）上统计显著优于两种算法。
引用
@article{arxiv.2106.10104,
title = {ELMOPP: An Application of Graph Theory and Machine Learning to Traffic Light Coordination},
author = {Fareed Sheriff},
journal= {arXiv preprint arXiv:2106.10104},
year = {2021}
}
备注
13 pages, 3 figures, published in Applied Computing and Informatics (2021)