Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

A Markov Decision Process Model for a Reinforcement Learning-based Autonomous Pedestrian Crossing Protocol

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21260%2F21%3A00357837" target="_blank" >RIV/68407700:21260/21:00357837 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://doi.org/10.1109/MENACOMM50742.2021.9678310" target="_blank" >https://doi.org/10.1109/MENACOMM50742.2021.9678310</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/MENACOMM50742.2021.9678310" target="_blank" >10.1109/MENACOMM50742.2021.9678310</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    A Markov Decision Process Model for a Reinforcement Learning-based Autonomous Pedestrian Crossing Protocol

  • Popis výsledku v původním jazyce

    Autonomous Traffic Management (ATM) systems empowered with Machine Learning (ML) technics are a promising solution for eliminating traffic light and decreasing traffic congestion in the future. However, few efforts have focused on integrating pedestrians in ATM, namely the static programming-based cooperative protocol called Autonomous Pedestrian Crossing (APC). In this paper, we model a Markov Decision Process (MDP) to enable a Deep Reinforcement Learning (DRL)-based version of APC protocol that is able to dynamically achieve the same objectives (i.e. decreasing traffic delay at the crossing area). Using concrete state space, action set and reward functions, our model forces the Autonomous Vehicle (AV) to "think"and behave according to APC architecture. Compared to the traditional programming APC system, our approach permits the AV to learn from its previous experiences in non-signalized crossing and optimize the distance and the velocity parameters accordingly.

  • Název v anglickém jazyce

    A Markov Decision Process Model for a Reinforcement Learning-based Autonomous Pedestrian Crossing Protocol

  • Popis výsledku anglicky

    Autonomous Traffic Management (ATM) systems empowered with Machine Learning (ML) technics are a promising solution for eliminating traffic light and decreasing traffic congestion in the future. However, few efforts have focused on integrating pedestrians in ATM, namely the static programming-based cooperative protocol called Autonomous Pedestrian Crossing (APC). In this paper, we model a Markov Decision Process (MDP) to enable a Deep Reinforcement Learning (DRL)-based version of APC protocol that is able to dynamically achieve the same objectives (i.e. decreasing traffic delay at the crossing area). Using concrete state space, action set and reward functions, our model forces the Autonomous Vehicle (AV) to "think"and behave according to APC architecture. Compared to the traditional programming APC system, our approach permits the AV to learn from its previous experiences in non-signalized crossing and optimize the distance and the velocity parameters accordingly.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    2021 3rd IEEE Middle East and North Africa COMMunications Conference (MENACOMM)

  • ISBN

    978-1-6654-3443-0

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    147-151

  • Název nakladatele

    IEEE

  • Místo vydání

    Piscataway, NJ

  • Místo konání akce

    Agadir

  • Datum konání akce

    3. 12. 2021

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku