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。
旅行時間の短縮の目標は,将来のスマート輸送システムの開発を支援するのに不十分である。米国国家持続可能な開発目標(UN-SDG)と並んで,燃料と排出の更なる削減,交通安全の改善,およびインフラストラクチャ配置と保全の容易さも考慮されるべきである。トラフィック光信号(交差点スループットの改善)または車両速度(トラヒックの安定化)のいずれかにおける制御の最適化に焦点を当てた既存の研究と異なり,本論文では,CoTVと呼ばれるマルチエージェント深層強化学習(DRL)システムを提示し,これは,協調して交通信号と接続自律車両(CAV)の両方を制御する。したがって,著者らのCoTVは,旅行時間,燃料,および排出の削減の達成を良好にバランスできる。一方,CoTVは,各入力道路上の交通光制御器に最も近い1つのCAVだけと協調することにより容易に展開できる。これにより,交通光コントローラとCAVの間のより効率的な協調が可能になり,従って,収束するのが伝統的に難しい大規模マルチエージェントシナリオの下で,訓練CoTVの収束をもたらす。CoTVの詳細なシステム設計を示し,種々のグリッドマップの下でSUMOを用いたシミュレーション研究におけるその有効性と,混合自動車交通による現実的な都市シナリオを示した。【JST・京大機械翻訳】