2019 Fiscal Year Annual Research Report
ITSに対応した新しい交通ネットワーク分析手法の研究
| Project/Area Number |
17H03323
|
|---|
| Research Institution | Gifu University |
|---|
Principal Investigator |
宮城 俊彦 岐阜大学, 工学部, 特任教授 (20092968)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
倉内 文孝 岐阜大学, 工学部, 教授 (10263104)
應 江黔 岐阜大学, 地域科学部, 教授 (30242738)
高木 朗義 岐阜大学, 工学部, 教授 (30322134)
杉浦 聡志 北海道大学, 工学研究院, 准教授 (30648051)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 経路選択行動 / ゲーム理論 / 動的交通量配分 / 交通流特性 / 強化学習 / 深層学習 / 自動走行支援システム / 便益計測 |
|---|
| Outline of Annual Research Achievements |
本年度は人工知能（AI)との連携に焦点を当てた以下の2項目に重点を置いて研究を遂行した。
(1)マルチエージェント学習モデルとAIの連携
セルオートマトン型交通シミュレーションモデルでは、追い越しの意思決定を前方車両との距離、追い越し車線の前方、後方距離を想定し、十分な安全視距が確保できた場合のみ車線を変更するが、従来型のシミュレーションモデルでは過度に安全サイドの距離を与えるため交通流の平均速度を低下させる結果を与える場合が少なくない。本研究では、状態・行動価値関数を導入し、パラメータを日々の走行経験から学習する深層強化学習モデルにより推定した。すなわち、状態変数として、前方車両との車間距離、車両速度、追い越し車線での車間距離をとり、追い越し決定に伴う利得を追い越し後の速度増減で与え、各車両の学習を通して状態・行動価値関数の重みを同定する。これにより、漸近的最適応答モデルに利用される確率近似公式の評価関数をより洗練された、そして、より現実的なものにアップデートすることができた。
（2）渋滞予測へのAIの利用
AIを用いた交通渋滞予測に関し、本研究では，高速道路における交通状況の数十分先の近未来予測を「交通状況ナウキャスト」と称し，深層学習によるモデル構築を試みた．中国道上り宝塚東トンネル付近を対象に３時間分の交通状況データを用い，LSTM（longshort-time memory）手法により45分先の渋滞を予測するモデルを構築した．渋滞発生予測時に実際渋滞が発生した割合（精度）と渋滞発生した時の渋滞発生予測割合（再現率）の調和平均（F値）により評価したところ，10分以内での渋滞検知を目指した場合，F値は0.5程度と一定精度の交通状況ナウキャストモデルの構築が実現できた。
|
| Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
