文献

J-GLOBAL ID：202202221371166721   整理番号：22A1337074

深層強化学習を用いたシミュレーション環境における交差点の円滑な交通流の実現

Smooth Traffic Flow at an Intersection in a Simulation Environment Using Deep Reinforcement Learning

著者 (6件)： 織田智矢 (北大 大学院情報科学院) ,  山下倫央 (北大 大学院情報科学院) ,  横山想一郎 (北大 大学院情報科学院) ,  川村秀憲 (北大 大学院情報科学院) ,  萩谷俊幸 (KDDI総合研究所) ,  大岸智彦 (KDDI総合研究所)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 121  号： 439(AI2021 26-36)  ページ： 7-12 (WEB ONLY)  発行年： 2022年03月05日 
JST資料番号： U2030A  ISSN： 2432-6380  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： 世界的に人口増加と都市化が進んでおり,大都市でのモビリティの需要は着実に増加している.しかし,利用可能な交通インフラは限られており,近年では交通渋滞は大きな社会問題となっている.また,渋滞の大きな要因として,目的地が都市部などの一部エリアに集中し,特定箇所(交差点など)の交通容量を超える交通需要が流入することが挙げられる.そこで本研究では,一般に交通量が多く,他の車両との相互作用が大きい,交差点における交通量の改善に焦点を当てる.交差点では優先順位が厳密に決められているが,その優先順位を一時的に変更することで,全体の交通量が増加するケースがある.そこで,交差点に着目し,交差点の優先順位を一時的に変更でき,強化学習を適用できるシミュレータを開発した.実験の結果,交差点における交通量の増加を確認した.(著者抄録)

シソーラス用語： *強化学習 ,  *シミュレーション ,  *交差点 ,  交通流 ,  交通政策 ,  インフラストラクチャー ,  交通混雑 ,  優先順位 ,  行動 ,  交通インフラ ,  *交通シミュレーション ,  *深層強化学習
準シソーラス用語： モビリティ【交通】 ,  協調行動 ,  交通渋滞

分類 (2件)： 交通調査  (TB01031B) ,  交通管制・規制  (TB01032S)

引用文献 (11件)：

• “国土交通省 業績計画書/達成度報告書,” https://www.mlit.go.jp/road/ir/ir-perform/ir-perform.html.
• “構成労働省 24年度予算概要,” https://www.mhlw.go.jp/stf/shingi/2r98520000025aq3-att/2r98520000025ax5.pdf.
• “国土交通省 交通流対策資料,” https://www.meti.go.jp/committee/sankoushin/sangyougijutsu/chikyu_kankyo/yakusoku_souan_wg/pdf/005_07_00.pdf.
• T. Chu, J. Wang, L. Codecà, and Z. Li, “Multi-agent deep reinforcement learning for large-scale traffic signal control,” IEEE Transactions on Intelligent Transportation Systems, vol.PP, pp.●●-●●, 03 2019.
• B.V. Arem, C.J.V. Driel, and R. Visser, “The impact of cooperative adaptive cruise control on traffic-flow characteristics,” IEEE Transactions on Intelligent Transportation Systems, vol.7, pp.429-436, Dec. 2006.

タイトルに関連する用語 (5件)： 深層強化学習 ,  シミュレーション ,  環境 ,  交差点 ,  交通流