Buchumschlag

Balancing Efficiency and Fairness in Traffic Light Control through Deep Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cederle, Matteo, Scatto, Giacomo, Susto, Gian Antonio
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Batch-to-Streaming Deep Reinforcement Learning for Continuous Control
von: De Monte, Riccardo, et al.
Veröffentlicht: (2026)

A Fairness-Oriented Reinforcement Learning Approach for the Operation and Control of Shared Micromobility Services
von: Cederle, Matteo, et al.
Veröffentlicht: (2024)

Fully Dynamic Rebalancing in Dockless Bike-Sharing Systems via Deep Reinforcement Learning
von: Scarpel, Edoardo, et al.
Veröffentlicht: (2026)

Regulating Spatial Fairness in a Tripartite Micromobility Sharing System via Reinforcement Learning
von: Cederle, Matteo, et al.
Veröffentlicht: (2025)

A Fairness-Oriented Multi-Objective Reinforcement Learning approach for Autonomous Intersection Management
von: Cederle, Matteo, et al.
Veröffentlicht: (2025)

Towards Explainable Anomaly Detection in Shared Mobility Systems
von: Isgandarov, Elnur, et al.
Veröffentlicht: (2025)

Towards Fair and Efficient allocation of Mobility-on-Demand resources through a Karma Economy
von: Cederle, Matteo, et al.
Veröffentlicht: (2025)

A Distributed Approach to Autonomous Intersection Management via Multi-Agent Reinforcement Learning
von: Cederle, Matteo, et al.
Veröffentlicht: (2024)

Towards Model-Free Learning in Dynamic Population Games: An Application to Karma Economies
von: Cederle, Matteo, et al.
Veröffentlicht: (2026)

Explainable Anomaly Detection for Electric Vehicles Charging Stations
von: Cederle, Matteo, et al.
Veröffentlicht: (2025)

Recurrent Deep Reinforcement Learning for Chemotherapy Control under Partial Observability
von: Kiram, Firas Mohamed Elamine, et al.
Veröffentlicht: (2026)

Fault Identification Enhancement with Reinforcement Learning (FIERL)
von: Zaccaria, Valentina, et al.
Veröffentlicht: (2024)

Simple and Effective Specialized Representations for Fair Classifiers
von: Sinigaglia, Alberto, et al.
Veröffentlicht: (2025)

Exploiting Estimation Bias in Clipped Double Q-Learning for Continous Control Reinforcement Learning Tasks
von: Turcato, Niccolò, et al.
Veröffentlicht: (2024)

MoveLight: Enhancing Traffic Signal Control through Movement-Centric Deep Reinforcement Learning
von: Shao, Junqi, et al.
Veröffentlicht: (2024)

Reinforcement Learning for Durable Algorithmic Recourse
von: Ceccon, Marina, et al.
Veröffentlicht: (2025)

Multi-layer Abstraction for Nested Generation of Options (MANGO) in Hierarchical Reinforcement Learning
von: Arcudi, Alessio, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Traffic Light Control in Intelligent Transportation Systems
von: Zhu, Ming, et al.
Veröffentlicht: (2023)

Edge Delayed Deep Deterministic Policy Gradient: efficient continuous control for edge scenarios
von: Sinigaglia, Alberto, et al.
Veröffentlicht: (2024)

Bayesian Deep Learning for Remaining Useful Life Estimation via Stein Variational Gradient Descent
von: Della Libera, Luca, et al.
Veröffentlicht: (2024)

Advancing Constrained Monotonic Neural Networks: Achieving Universal Approximation Beyond Bounded Activations
von: Sartor, Davide, et al.
Veröffentlicht: (2025)

A Quantile Regression Approach for Remaining Useful Life Estimation with State Space Models
von: Frizzo, Davide, et al.
Veröffentlicht: (2025)

Enabling Efficient and Flexible Interpretability of Data-driven Anomaly Detection in Industrial Processes with AcME-AD
von: Zaccaria, Valentina, et al.
Veröffentlicht: (2024)

Function Based Isolation Forest (FuBIF): A Unifying Framework for Interpretable Isolation-Based Anomaly Detection
von: Arcudi, Alessio, et al.
Veröffentlicht: (2025)

AcME-AD: Accelerated Model Explanations for Anomaly Detection
von: Zaccaria, Valentina, et al.
Veröffentlicht: (2024)

Enhancing Interpretability and Generalizability in Extended Isolation Forests
von: Arcudi, Alessio, et al.
Veröffentlicht: (2023)

Lazy FSCA for Unsupervised Variable Selection
von: Zocco, Federico, et al.
Veröffentlicht: (2021)

Towards Transparent and Efficient Anomaly Detection in Industrial Processes through ExIFFI
von: Frizzo, Davide, et al.
Veröffentlicht: (2024)

Continual Learning for Behavior-based Driver Identification
von: Fanan, Mattia, et al.
Veröffentlicht: (2024)

PaSTe: Improving the Efficiency of Visual Anomaly Detection at the Edge
von: Barusco, Manuel, et al.
Veröffentlicht: (2024)

Balancing the Scales: Reinforcement Learning for Fair Classification
von: Eshuijs, Leon, et al.
Veröffentlicht: (2024)

Applying Reinforcement Learning to Optimize Traffic Light Cycles
von: Son, Seungah, et al.
Veröffentlicht: (2024)

Unveiling the Anomalies in an Ever-Changing World: A Benchmark for Pixel-Level Anomaly Detection in Continual Learning
von: Bugarin, Nikola, et al.
Veröffentlicht: (2024)

Striking a Balance in Fairness for Dynamic Systems Through Reinforcement Learning
von: Hu, Yaowei, et al.
Veröffentlicht: (2024)

OffLight: An Offline Multi-Agent Reinforcement Learning Framework for Traffic Signal Control
von: Bokade, Rohit, et al.
Veröffentlicht: (2024)

Federated Hierarchical Reinforcement Learning for Adaptive Traffic Signal Control
von: Fu, Yongjie, et al.
Veröffentlicht: (2025)

Underrepresentation, Label Bias, and Proxies: Towards Data Bias Profiles for the EU AI Act and Beyond
von: Ceccon, Marina, et al.
Veröffentlicht: (2025)

ProDER: A Continual Learning Approach for Fault Prediction in Evolving Smart Grids
von: Efatinasab, Emad, et al.
Veröffentlicht: (2025)

Communication Strategy on Macro-and-Micro Traffic State in Cooperative Deep Reinforcement Learning for Regional Traffic Signal Control
von: Gu, Hankang, et al.
Veröffentlicht: (2025)

Cooperative Cruising: Reinforcement Learning-Based Time-Headway Control for Increased Traffic Efficiency
von: Veksler, Yaron, et al.
Veröffentlicht: (2024)