Alapfogalmak
自律走行車(AV)の速度制御を用いて、渋滞が発生する高速道路のボトルネック付近の交通流を動的に最適化し、渋滞を緩和する。
Kivonat
本研究では、自律走行車(AV)と人間運転車(HDV)が混在する交通環境において、AVの速度制御を通じて渋滞を緩和する新しいアプローチを提案している。具体的には以下の通り:
問題をDecentralized Partially Observable Markov Decision Process (Dec-POMDP)としてモデル化し、マルチエージェントロールアウトアルゴリズムを開発した。これにより、AVの協調的な意思決定を実現し、動的な環境変化にも柔軟に適応できる。
Agent-by-Agent Policy Iteration (A2PI)を用いて、各AVの方策を順次更新することで、エージェント間の協調を促進し、全体の性能向上につなげている。
Proximal Policy Optimization (PPO)アルゴリズムを組み合わせることで、方策の安定的な改善を実現している。
実際の高速道路ネットワークを用いた検証実験の結果、AVの導入率10%の条件下で、ボトルネック区間の平均旅行時間を9.42%改善できることを示した。
このように、本手法は混合自動運転環境における渋滞緩和に有効であり、AVの協調制御を通じて交通流の最適化を実現している。
Statisztikák
渋滞シナリオ(700秒)では、無制御時に比べて平均旅行時間を45.13%削減できた。
変動シナリオ(7200秒)では、無制御時に比べて平均旅行時間を9.42%削減できた。
Idézetek
"本研究では、自律走行車(AV)と人間運転車(HDV)が混在する交通環境において、AVの速度制御を通じて渋滞を緩和する新しいアプローチを提案している。"
"マルチエージェントロールアウトアルゴリズムを開発し、Agent-by-Agent Policy Iteration (A2PI)を用いて各AVの方策を順次更新することで、エージェント間の協調を促進し、全体の性能向上につなげている。"