文献

J-GLOBAL ID：202202241468063084   整理番号：22A0718065

自動運転車両の経路探索に向けた深層強化学習の適用

Application of Deep Reinforcement Learning for Path Finding of an Automated Vehicle

著者 (6件)： 清水雅之 (北大 工) ,  横山想一郎 (北大 大学院情報科学研究院) ,  山下倫央 (北大 大学院情報科学研究院) ,  川村秀憲 (北大 大学院情報科学研究院) ,  萩谷俊幸 (KDDI総合研究所) ,  大岸智彦 (KDDI総合研究所)
資料名： 人工知能学会知識ベースシステム研究会資料  (人工知能学会研究会資料)
巻： 125th  ページ： 31-38  発行年： 2022年03月01日 
JST資料番号： X0831A  ISSN： 2436-4592  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： 近年,情報技術の発展に伴い,リアルタイムトラフィック条件を知ることが容易となり,そのような情報を提供するサービスが普及し始めている。さらに,リアルタイムトラフィック条件に基づいて目的地への最短経路を提供するサービスがある。しかしながら,実際の交通では,現在の交通状況に基づく最短時間経路を考慮するだけでは十分でなく,将来の交通流を予測する必要がある。本研究の目的は,時変交通状況において目的地に迅速に到達できる経路計画を実現する目的で,深層強化学習を用いた経路計画法を検証することである。この実験は,ソフトウェアシミュレーション環境で行われる。現在の交通状況に関する情報は利用できるが,今後の車両の動きは未知である状況を扱っている。実験は,単純な地図と意図的な渋滞を引き起こすいくつかの交通状況に基づき実行され,学習車両は目的地への各交差点で進む次の方向を学習している。比較対象として,目的地までの最短距離経路を計算する従来のダイクストラと,各交差点でのネットワークの推定移動時間を計算し,それに基づいて最短時間経路を計算するダイクストラを使用する。訓練から得られたモデルは,各交通状況で2つのダイクストラよりも短い時間で目的地に到達することを可能にする経路発見を達成することができた。(翻訳著者抄録)

シソーラス用語： *自動運転 ,  *経路探索 ,  *強化学習 ,  *機械学習 ,  決定 ,  行動 ,  *アルゴリズム ,  *最短路問題 ,  最適化手法 ,  巡回セールスマン問題 ,  *シミュレータ ,  交通流 ,  道路交通 ,  *交通予測 ,  *経路
準シソーラス用語： *深層強化学習 ,  行動決定 ,  *ダイクストラ法 ,  アリコロニー最適化 ,  *交通シミュレータ ,  *最短経路

分類 (4件)： 都市交通  (TA01020W) ,  電装品  (QG03070C) ,  人工知能  (JE08000Z) ,  ネットワーク法  (KA03040X)

タイトルに関連する用語 (3件)： 自動運転車両 ,  経路探索 ,  深層強化学習