2023 Fiscal Year Final Research Report
Basic framework of the asymptotic best-response model with deep-reinforcement learning in the traffic simulation applications
| Project/Area Number |
20K04719
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 22050:Civil engineering plan and transportation engineering-related
|
|---|
| Research Institution | Gifu University |
|---|
Principal Investigator |
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
倉内 文孝 岐阜大学, 工学部, 教授 (10263104)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 離散的動的経路選択モデル / 漸近的最適応答モデル / Nash均衡 / ゲーム論的行動選択モデル / ミクロ交通流シミュレーションベース交通配分 / 心理学的学習行動モデル / 深層強化学習 / 限界合理性 |
|---|
| Outline of Final Research Achievements |
The development of an asymptotically best response algorithm and its basic theory were proposed to address the following issues: 1) development of transportation systems suitable for automated driving systems and decentralized network societies, 2) transportation system analysis to evaluate the development of information and communication technologies to improve the efficiency of transportation systems, 3) the discretized behavioral model for route choice that minimize travel time among available routes for users and prediction of the effects of learning experiments, and 4) Development of a basic theory of game-theoretic learning behavior models that take into account interactions among individuals and between individuals and the environment under imperfect information.
|
| Free Research Field |
国土計画・交通工学
|
| Academic Significance and Societal Importance of the Research Achievements |
ABRアルゴリズムは、利用者が自律的に走行環境を学習し、漸近的に自己の効用を改善するように行動すると仮定した手法である。不確実な交通状況に応じた利用者の限界合理的な行動に基づく最適な経路選択の学習行動をモデル化している。また、ゲーム理論的なアプローチを取り入れることで、より複雑な状況下での利用者の行動を予測し、分析することが可能である。さらに、シミュレーションを通じて実際の交通流の動きを再現し、それに基づいた最適な交通量配分を行うことができる。これらの特徴により、ABRアルゴリズムは従来の交通ネットワーク均衡モデル。非集計行動モデルの拡張である同時にゲーム論的行動モデルの拡張になっている。
|
