自動走行車両への介入挙動制御による交通流の最適化
【研究キーワード】
自動運転 / ミクロ交通流シミュレーション / 深層学習 / 強化学習 / 車線変更 / 交通流 / 動的交通マネジメント / 交通管制 / 高速道路 / コネクティッド車両 / 自動走行車両 / 介入制御 / シミュレーション / データ同化 / ミクロ運転挙動 / ゲームAI
【研究成果の概要】
本研究は，将来的なコネクティッド車両や自動走行車両（CA車両）の普及を想定し，交通管制側からCA車両の挙動を介入的に制御することで，渋滞発生の緩和，ショックウェーブの解消，それに伴う事故防止のための交通流マネジメント手法に関わる諸要素の理論構築を行う．とりわけ，従来の研究では考慮されていなかった車線変更を含むCA車両と一般車両の相互作用や，現実的なリアルタイムデータ取得環境を考慮した上で，ロバストな制御効果を得ることを目標とする．そのための個別課題として，具体的には，1)深層学習を用いたデータ駆動型車両挙動モデルの開発とミクロ交通流シミュレーションへの実装，2)多種データの融合利用による全車両走行軌跡を動的に推定する手法の構築，3)モンテカルロ木探索を用いた車線変更を含むCA車両の挙動制御アルゴリズムの開発，に取り組んだ．
1)に関しては，前年度に構築したプロトタイプモデルをベースに，入力変数の精緻化とモデルの改良を行った．学習させるデータとしては，阪神高速道路が提供する車両走行軌跡データ（ztd）を用いた．その結果，時空間的なダイナミクスを表現できるような形で入力データを構造化することで，精度の向上が可能であることが明らかとなった．
2)に関して，昨年度まで使用していた交通流シミュレータでは，一旦，シミュレーションを停止してから車両を再配置してリスタートする際に，全車両の速度がリセットされる，ということが，推定精度を大きく低下させることが課題となっていた．そのため，シミュレーションのホットスタート機能と特定車両への介入制御機能を追加する取り組みをおこなった．
3)については，ボトルネックにおける交通状態を感知し，それに応じて上流区間でCA車両に対して車線変更を誘導するアルゴリズムを構築した．また，シミュレーション分析により．ショックウェーブの緩和が可能であることを示した．
【研究代表者】