2020 Fiscal Year Annual Research Report
Optimization of freeway traffic flow with exogenous control of autonomous vehicles
| Project/Area Number |
19H02268
|
|---|
| Research Institution | Ritsumeikan University |
|---|
Principal Investigator |
塩見 康博 立命館大学, 理工学部, 准教授 (40422993)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
柳原 正実 東京都立大学, 都市環境科学研究科, 助教 (20739560)
服部 宏充 立命館大学, 情報理工学部, 教授 (50455581)
吉井 稔雄 愛媛大学, 理工学研究科(工学系), 教授 (90262120)
瀬尾 亨 東京大学, 大学院工学系研究科(工学部), 助教 (90774779)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 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 |
|---|
| Outline of Annual Research Achievements |
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．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究課題は，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（サブテーマ1），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（サブテーマ2），3) 車線変更を含むCA車両の挙動制御アルゴリズムの開発（サブテーマ3），の3つのサブテーマを設定して取り組みを進めている．
1については，モデルの精度向上を実現できていること，3についてはシミュレーションにより明確な渋滞制御効果が得られることを確認できており，十分な成果が得られていると考えている．
2については，シミュレーター自体の改良が必要であったが，これについても当初予定通り，開発を行うことができた．
以上より，「おおむね順調に進展している」と判断した．
|
| Strategy for Future Research Activity |
データ駆動型車両挙動モデルについては，モデル化の方向性が明確化され，従来の数理的なモデルと比べて格段の精度向上を得られることが明らかとなった．そのため，この方向性を推し進める．具体的には，車両挙動の多様性を考慮するために，出力値の確率分布を推定するモデルに更新するほか，車線変更・合流挙動のモデル化に取り組む．とりわけ，確率分布の推定にあたっては，その分布特性がどのような状況でどのように変動するか，という交通流特性の分析にも用いることを想定する．加えて，交通流の不安定性の再現性の検証なども行う．
サブテーマ2の車両走行軌跡の推定については，新たにセットアップしたシミュレータを活用し，車両挙動の外生的制御機能，および交通状態の保存とリスタート機能を用いたスクリプトの作成に取り組む．このスクリプトはサブテーマ3における交通管制の強化学習にも用いることとなる．また，サブテーマ1で構築した車両挙動モデルを用いた交通状態推定アルゴリズムの構築に向けた検討も進める予定である．
サブテーマ3では，データ取得環境や車両制御に関するより現実的な枠組みのもとで，交通マネジメントアルゴリズムの高度化とその効果検証を行う．この現実的な枠組みを検討する上では，OEMとの共同によりシミュレーションの構築を進める予定である．
|
