Core Concepts
본 연구는 원형교차로에서 자동화 및 비자동화 연결 차량의 속도를 최적화하여 교통 흐름과 효율을 향상시키는 것을 목표로 합니다.
Abstract
본 연구는 원형교차로에서의 에코 드라이빙 문제를 다루고 있습니다. 연구진은 규칙 기반 및 강화학습 기반 두 가지 접근법을 개발하였습니다. 두 접근법 모두 접근 링크와 충돌 차량 정보를 활용하여 속도 최적화를 수행합니다.
규칙 기반 접근법은 차량 대기열 정보를 활용하여 원형교차로 진입 및 통과를 위한 최적 속도를 계산합니다. 강화학습 기반 접근법은 소프트 액터 비평(Soft Actor Critic) 알고리즘을 사용하여 최적 속도 정책을 학습합니다. 두 접근법을 공정하게 비교하기 위해 동일한 시뮬레이션 환경에서 평가를 수행하였습니다.
결과적으로 두 접근법 모두 기준 시나리오 대비 성능 향상을 보였습니다. 특히 교통량이 증가할수록 개선 효과가 크게 나타났습니다. 하지만 교통량이 최대 용량에 근접할 경우 성능이 저하되는 것으로 나타났습니다. 연결 차량 침투율 변화에 대한 분석에서는 낮은 침투율에서도 상당한 개선 효과를 얻을 수 있었습니다. 다만 강화학습 기반 접근법은 규칙 기반 접근법에 비해 낮은 침투율에서 더 큰 성능 저하를 보였습니다.
Stats
교통량 1200대/시에서 대기 시간이 60.7% 감소
교통량 1200대/시에서 정지 횟수가 48.3% 감소
교통량 1200대/시에서 BEV 에너지 소비가 11.3% 감소
Quotes
"본 연구는 원형교차로에서 자동화 및 비자동화 연결 차량의 속도를 최적화하여 교통 흐름과 효율을 향상시키는 것을 목표로 합니다."
"결과적으로 두 접근법 모두 기준 시나리오 대비 성능 향상을 보였습니다. 특히 교통량이 증가할수록 개선 효과가 크게 나타났습니다."