Core Concepts
本研究は、協力ゲームと強化学習を融合した新しい交通信号優先制御方式を提案し、その有効性を検証している。この方式は、優先車両と一般車両の信号制御を協力的に最適化することで、全体の交通効率と信頼性を高めることができる。
Abstract
本研究は、交通信号優先制御の課題に取り組むため、協力ゲームと強化学習を組み合わせた新しい制御方式を提案している。
まず、交通流をセルラー転送モデルで表現し、8相の信号制御方式を設計している。この方式では、優先車両用の信号相と一般車両用の信号相を区別し、それぞれの最適化を行う。
次に、この問題をマルコフ決定過程としてモデル化し、協力ゲームと強化学習を組み合わせた「CBQL」アルゴリズムを開発している。CBQLでは、シャプレー値を用いて各参加者の限界貢献度を定量化し、それに基づいて状態遷移確率を設計する。これにより、優先車両と一般車両の信号制御を協調的に最適化できる。
シミュレーション実験の結果、提案手法であるCBQL-TSPは、従来手法と比べて、ネットワークの安定性が高く、バスの平均走行時間を大幅に短縮できることが示された。これにより、提案手法の有効性が確認された。
今後の課題として、多層の信号制御優先順位システムの導入や、機械学習アルゴリズムを用いた細粒度な優先制御の検討が挙げられる。
Stats
一般車両の平均待ち時間は、CBQL-TSPが他の手法と比べて低い
バスの平均走行時間は、CBQL-TSPが他の手法と比べて約24.57%短縮できる
バスの平均走行時間は、CBQL-TSPが他の手法と比べて約37.40%短縮できる
Quotes
"本研究は、協力ゲームと強化学習を融合した新しい交通信号優先制御方式を提案し、その有効性を検証している。"
"CBQLでは、シャプレー値を用いて各参加者の限界貢献度を定量化し、それに基づいて状態遷移確率を設計する。これにより、優先車両と一般車両の信号制御を協調的に最適化できる。"