文献

J-GLOBAL ID：202202278451494254   整理番号：22A0938649

交通流の時間変化を考慮した深層強化学習による信号制御

Traffic Signal Control Using Deep Reinforcement Learning Considering Time Variation of Traffic Flow

著者 (2件)： 木内悠太 (千葉大) ,  荒井幸代 (千葉大)
資料名： 知能システムシンポジウム講演資料(CD-ROM)  (Proceedings of the SICE Symposium on Intelligent Systems (CD-ROM))
巻： 49th (Web)  ページ： ROMBUNNO.C4-2 (WEB ONLY)  発行年： 2022年 
JST資料番号： X0905B  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： ・既存の信号制御は予め決められた周期に従う定周期制御であり.交通流の時間変化に適応できないことが課題。
・ここでは,リアルタイムの交通流情報に基づいた適応型信号制御手法を提案。
・同手法では,畳み込みニューラルネットワーク(CNN)を採用し,交通流の時間変化を考慮した信号制御を実現。
・特に,交通流を2次元配列(時間軸と空間軸)の状態入力とし,CNNを用いた特徴抽出によって交通流の時間的および空間的特徴の関係性を把握。

シソーラス用語： 交通流 ,  *交通信号制御 ,  経時変化 ,  *適応制御 ,  *ニューラルネットワーク ,  特徴抽出 ,  データ ,  時空 ,  強化学習
準シソーラス用語： 時間変化 ,  時空間 ,  時空間データ ,  畳込みニューラルネットワーク ,  深層強化学習

分類 (2件)： 交通管制・規制  (TB01032S) ,  人工知能  (JE08000Z)

引用文献 (10件)：

• Pravin Varaiya. Max pressure control of a network of signalized intersections. Transportation Research Part C: Emerging Technologies, Vol. 36, pp. 177-195, 2013.
• Wade Genders and Saiedeh Razavi. Using a deep reinforcement learning agent for traffic signal control. arXiv preprint arXiv:1611.01142, 2016.
• Chung-Jae Choe, Seungho Baek, Bongyoung Woon, and Seung-Hyun Kong. Deep q learning with lstm for traffic light control. In 2018 24th Asia-Pacific Conference on Communications (APCC), pp. 331-336. IEEE, 2018.
• Daniel Krajzewicz, Jakob Erdmann, Michael Behrisch, and Laura Bieker. Recent development and applications of sumo-simulation of urban mobility. International journal on advances in systems and measurements, Vol. 5, No. 34, 2012.
• Hajime Sakakibara, Tsutomu Usami, Seiji Itakura, and Teruyuki Tajima. Moderato (management by origin-destination related adaptation for traffic optimization). In Proceedings 199 IEEE/IEEJ/JSAI International Conference on Intelligent Transportation Systems (Cat. No. 99TH8383), pp. 38-43. IEEE, 1999.

タイトルに関連する用語 (3件)： 交通 ,  深層強化学習 ,  信号制御