文献
J-GLOBAL ID：202102279422263273
整理番号：21A1023651
深層強化学習による自動運転車両の円滑な追い越しの実現
-
出版者サイト
{{ this.onShowPLink() }}
複写サービスで全文入手
{{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=21A1023651©=1") }}
-
高度な検索・分析はJDreamⅢで
{{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=21A1023651&from=J-GLOBAL&jstjournalNo=U0451A") }}
著者 (7件)：
,
,
,
,
,
,
資料名：
巻：
2021
号：
ICS-201
ページ：
Vol.2021-ICS-201,No.4,1-8 (WEB ONLY)
発行年：
2021年03月02日
JST資料番号：
U0451A
資料種別：
会議録 (C)
記事区分：
原著論文
発行国：
日本 (JPN)
言語：
日本語 (JA)
抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究では,追い越し場面での渋滞を緩和して,交通流量を増加させるための車両同士の協調行動を獲得するために,ソフトウェアシミュレーション上で深層強化学習を行い走行実験を行う.追い越し車の追い越し行動の獲得のために,動的パスプランニング手法であるFrenet Optimal Trajectoryを使用し,追い越しを実現した.対向車を強化学習対象として追い越し車を譲る行動を学習させることで,追い越し車とのインタラクションを実現した.ルールベースでの走行と深層強化学習後の走行とで,車両全体の走行距離を測定・比較し,交通流量の増加を確認した.(著者抄録)
シソーラス用語：
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ（有料）でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
,
,
,
,
,
,
,
,
,
,
,
,
準シソーラス用語：
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ（有料）でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
,
,
,
,
,
分類 (2件)：
分類
JSTが定めた文献の分類名称とコードです
交通調査
, 人工知能
引用文献 (18件)：
-
国土交通省道路局. 道路交通センサスから見た道路交通の現状,推移(データ集). https://www.mlit.go.jp/road/ir/ir-data/data_shu.html.
-
国土交通省. 効果的な渋滞対策の推進. https://www.mlit.go.jp/road/ir/ir-perform/h18/07.pdf.
-
国土交通省. 高速道路の利用状況. https://www.mlit.go.jp/road/ir/ir-council/highway/4pdf/22.pdf.
-
Pythonで学ぶ強化学習: 入門から実践まで. 機械学習スタートアップシリーズ. 講談社, 2019.
-
Du X. Wang G. Liang, X. and Z Han. Deep reinforcement learning for traffic light control in vehicular networks, 2018.
もっと見る
タイトルに関連する用語 (3件)：
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです
,
,
前のページに戻る
