| 研究課題/領域番号 |
04650473
|
|---|
| 研究種目 |
一般研究(C)
|
| 配分区分 | 補助金 |
|---|
| 研究分野 |
交通工学・国土計画
|
|---|
| 研究機関 | 北海道大学 |
|---|
研究代表者 |
加来 照俊 北海道大学, 工学部, 教授 (40001135)
|
|---|
| 研究分担者 |
藤原 隆 北海道大学, 工学部, 助手 (50109493)
萩原 亨 北海道大学, 工学部, 助教授 (60172839)
中辻 隆 北海道大学, 工学部, 助教授 (60123949)
|
|---|
| 研究期間 (年度) |
1992 – 1993
|
| 研究課題ステータス |
完了 (1993年度)
|
| 配分額 *注記 |
2,000千円 (直接経費: 2,000千円)
1993年度: 500千円 (直接経費: 500千円)
1992年度: 1,500千円 (直接経費: 1,500千円)
|
|---|
| キーワード | 交通制御システム / 街路交通 / ニューラルネットワークモデル / 遺伝的アルゴリズム / コホーネソフィーチュアマップ / 人工知能 / コホーネンフィーチュアマップ / 交通信号制御 / 交通流 / 最適化 |
|---|
| 研究概要 |
本研究は,都市内街路における交通制御システムの高度化を図るために、信号制御パラメータの最適化等の問題に対して、ニューラルネットワークモデルの適用性を検討したものである。街路交通における最適な信号制御パラメータ(スプリットとオフセット)を推定するため、制御パラメータと交通状況データ(交通量と占有率)を入力信号とし、最適制御の目的関数(遅れ時間と停止回数の加重和)を出力信号とする多層階層型のニューラルネットワークモデルを用いた手法の開発を行った。システムは学習過程と最適過程に分けられる。学習過程においては、学習効率の向上を図るため、Kohonen Feature Map(KFM)手法を用いて交通状況のクラス分けを行い、各クラスごとにニューラルネットワークを構築した。最適過程においては、ローカルミニマムへの収束を避けるために、確率的な手法であるコーシマシンと確定的な手法である最急勾配法を組み合わせて手法と遺伝的アルゴリズム2つの人工知能手法の適用を図った。従来法との比較を行い、これらの手法が有効であることを確認した。次に非線形現象に対するニューラルネットワークモデルの表現能力に注目して、交通流率Q、密度K、速度Vの関係をニューラルネットワークモデルによって表現することを試み、その結果を従来の回帰分析によるものと比較した。1)非線形回帰分析より相関係数の高い回帰曲線を得ることができる2)曲線形状に起状のある非線形な特性曲線も良く表現することができる3)微係数が不連続な形状となる場合にも事前の領域分けなしに適用可能であることを確認した。これらの自己組織化能力を有する特性関数は交通流シミュレーションの推定精度の改善や効率的なインシデントの検出に利用されうる。
|
