Core Concepts
自発的な運転者介入は交通流の大きな乱れを引き起こすため、それを最小限に抑えるための自動運転車の縦方向制御手法を提案する。
Abstract
本研究では、まず運転者介入の特性と交通流への影響を分析する。運転者の自動運転への不信感の蓄積過程をEvidence Accumulation (EA)モデルで表現し、これに基づいて深層強化学習 (DRL) による自動運転車の縦方向制御手法を提案する。
運転シミュレータ実験の結果、運転者介入は車両挙動の大きな変化を引き起こし、それが上流に伝播して交通流を大きく乱すことが示された。
提案するDRL制御手法は、運転者の不信感の蓄積と交通流の安定性の両立を目的とする。2,000回の数値シミュレーションの結果、提案手法は従来手法に比べて運転者介入を12%~30%削減し、交通流の乱れも効果的に抑制できることが確認された。
Stats
運転者介入が発生した場合、車両の位置、速度、加速度が大きく変化する。
運転者介入が発生すると、上流の車両群における速度誤差のL2ノルムが大きく増大する。
Quotes
運転者介入は交通流の大きな乱れを引き起こす。
運転者の自動運転への不信感の蓄積が運転者介入の主な要因である。