本研究では、交通信号制御のための新しいフレームワークを提案している。このフレームワークでは、エッジインテリジェンスを活用し、複数の隣接するエッジコンピューティングサーバーが協調して道路ネットワーク全体の交通情報を収集する。さらに、ハイパーグラフ学習を組み込んだ多エージェントのソフトアクタークリティック(MA-SAC)強化学習アルゴリズムを用いて、各交差点に配置されたエージェントが協調して交通信号の最適化を行う。
ハイパーグラフ学習モジュールでは、空間ハイパーエッジと時間ハイパーエッジを動的に構築し、複数の交差点間の複雑な空間的および時間的相関関係をモデル化する。これにより、従来の標準グラフでは捉えきれなかった高次の相関関係を効果的に表現できる。
多エージェント強化学習モジュールでは、MA-SAC アルゴリズムを採用し、各エージェントが協調して最適な交通信号制御を学習する。さらに、ハイパーグラフ再構成損失関数を強化学習の損失関数に組み込むことで、学習性能の向上を図る。
提案手法は、合成データセットおよび実世界データセットを用いた評価実験において、従来手法と比較して平均旅行時間の短縮と throughput の向上を実現している。これにより、より高度で反応性の高い都市交通管理ソリューションの開発に貢献できると期待される。
Vers une autre langue
à partir du contenu source
arxiv.org
Questions plus approfondies