文献

J-GLOBAL ID：201802280305745021   整理番号：18A2073227

車載テクノロジー最前線 AI技術で目指す円滑な交通流-ゆずりあうクルマの実現-

著者 (7件)： 山下倫央 (北大 大学院情報科学研究科) ,  小川一太郎 (北大 大学院情報科学研究科) ,  横山想一郎 (北大 大学院情報科学研究科) ,  川村秀憲 (北大 大学院情報科学研究科) ,  蕨野貴之 (KDDI総合研) ,  大岸智彦 (KDDI総合研) ,  田中英明 (KDDI総合研)
資料名： 月刊車載テクノロジー  (車載テクノロジー)
巻： 5  号： 6  ページ： 42-46  発行年： 2018年08月30日 
JST資料番号： F1332A  ISSN： 2432-5694  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・人工知能技術を用いることで,自動運転車同士が経路を譲り合っても個々の移動を阻害することがなく,全体として移動効率も増加させる運転法の検討を紹介。
・譲り合いの実現可能性や譲り合いの移動効率に与える影響を検証するために構築した実験環境について解説。
・本研究では,電動ラジオコントロールカーの車両制御にDeep Q-Network(DQN)を用いた運転制御を導入。
・DQNを用いた目標速度の決定の効果が全車両の交通効率に与える影響をラウンドアバウトにおける走行を対象とし実験により検証。

シソーラス用語： *問題解決 ,  *交通流 ,  検証 ,  環境 ,  遠隔制御 ,  効率化 ,  *制御 ,  *運転制御 ,  実験環境 ,  実験検証 ,  *人工知能的問題解決 ,  ラジコン ,  改変
準シソーラス用語： ラジオコントロール

分類 (2件)： 試験方法と試験  (QG02040O) ,  交通管制・規制  (TB01032S)

引用文献 (9件)：

• Volodymyr Mnih. Koray Kavukcoglu. David Silver. et al., “Human-level Control through Deep Reinforcement Learning, Nature, Vol. 518, Issue 7540, pp. 529-533 (2015)
• 小川一太郎,横山想一郎,山下倫央,川村秀憲,酒徳 哲,柳原 正,田中英明,“Deep Q-NetworkによるRCカー群の運動制御を実現する協調学習の提案”,第31回人工知能学会全国大会,312-OS13b-5(2017)
• Ichitaro Ogawa, Soichiro Yokoyama, Tomohisa Yamashita, Hidenori Kawamura, Akira Sakatoku, Tadashi Yanagihara, Tomohiko Ogishi, Hideaki Tanaka : Implementation of Mutual Concessions of Autonomous Cars Using Deep Q-Network, The 16th ITS Asia-Pacific Forum FUKUOKA 2018 (ITSAP 2018), 110, Hakata(2018)
• 小川一太郎,横山想一郎,山下倫央,川村秀憲,酒徳 哲,柳原 正,大岸智彦,田中英明:Deep Q-Networkを用いた自動運転車のゆずりあいによる交通流の効率化,第32回人工知能学会全国大会(JSAI),3Z2-04,鹿児島(2018)
• David Isele and Akansel Cosgun, “To Go or Not to Go: A Case for Q-Learning at Unsignalized Intersections,” in Proc. of the 34th International Conference on Machine Learning, Sydney, Australia, PMLR 70, 2017

タイトルに関連する用語 (4件)： 車載 ,  テクノロジー ,  AI技術 ,  交通流