| 研究課題/領域番号 |
23K11139
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60100:計算科学関連
|
|---|
| 研究機関 | 関西大学 |
|---|
研究代表者 |
友枝 明保 関西大学, 総合情報学部, 教授 (70551026)
|
|---|
| 研究分担者 |
金城 佳世 埼玉大学, 理工学研究科, 助教 (71000824)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2028-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2027年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2026年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2025年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2024年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 渋滞学 / 交通流 / 数理モデル / セルオートマトン / 車両制御 / 経路選択 / 時系列データ / 数理工学 |
|---|
| 研究開始時の研究の概要 |
日本の交通渋滞による経済損失は，年間12兆円に相当するという推計があり，自動運転車による渋滞緩和が期待されている．交通流に関する数理モデル研究は1950年代には始まっており，自然渋滞の仕組みを解明するなど，その貢献は大きい．しかし，自動運転車が交通流に与える影響について十分解明されているとは言い難い．本研究では，まず流量を判断基準とする車両制御方法によって交通流がどのように変化するかを明らかにする．さらに，道路上の車両位置を考慮した経路選択戦略によってネットワーク上の交通流がどのように変化するかも明らかにすることで，渋滞緩和を実現する効果的な車両制御方法及び経路選択戦略を確立する．
|
| 研究実績の概要 |
2024年度は，前年度に実施した数理モデルの修正・検討を踏まえ，まず基礎となる Stochastic Optimal Velocity（SOV）モデルに基づき，ハンチング現象の数値実験を行った．具体的には，先行研究を参考に，1車線の道路が左右2ルートに分岐するフォーク型の道路構造を設定し，情報提示の時間遅れが交通密度にどのような影響を与えるかなどについて検証を行った．その結果，時間遅れの大きさによっても振動の周期および振幅が異なることが明らかとなった．ハンチング現象は，密度変動の周期や振幅が大きく成長してしまう前に対処する必要があり，今後は周波数解析を通じて時間遅れと周期・振幅の関係を明らかにしていく予定である．
また，前年度に取得した阪神高速道路の実データでは，渋滞発生の要因が複雑であったため，今年度は自然渋滞の形成メカニズムを検証する円周実験のオープンデータを取得し，時系列データ解析手法の交通流データへの適用可能性を検討した．具体的には，実験における速度時系列データに変化点検出の手法を適用することで，渋滞が発生したタイミングを検出できることが明らかとなった．この成果から，数理モデルおよびそのシミュレーションだけでなく，データ分析から得られる知見も活用できるよう，交通流の時系列データ分析の手法として，①渋滞発生を事前に検知するために必要なデータ解析手法，②自動運転車がどの程度渋滞緩和に寄与するかを解析するために必要なデータ解析手法についても調査を開始した．
|
| 現在までの達成度 |
現在までの達成度
2: おおむね順調に進展している
理由
本研究で必要となる交通流数理モデルの整理および検証が収束し, 数理モデルの基盤は整ったと考えている. また, 本研究のターゲットである経路選択におけるハンチング現象についても, 基礎モデルでの数値実験を開始し, 時間遅れと周期の関係など, 次の数理解析へとつながるシミュレーション結果が得られつつある.
データ分析に関しては, 実データだけでなく実験での計測データも入手できたこと, そして現段階では変化点検出に限られるものの, 時系列データ分析の手法を適用できる可能性があることも明らかとなった. さらに, 今後の時系列データ分析に向けて, 渋滞発生を事前に検知する手法については, 力学系における分岐現象と相性の良い Early-Warning Signal (EWS) に注目し, 交通流データへの適用準備を進めた. また, 渋滞緩和の過程を解析する手法については, 流体分野でよく用いられる Koopman モード解析に着目し, セルオートマトンモデルの時系列データを用いて Koopman モード解析を行う方法を調査し, 自動運転車が渋滞緩和に寄与する過程を解析するための準備を進めた.
|
| 今後の研究の推進方策 |
本年度に引き続き, 数理モデル研究では, ハンチング現象に対する数値実験およびそこから得られた結果に関する数理解析等を通じて, ハンチング現象の特徴を明らかにするとともに, 解消する方策を探っていく予定である. さらに, 制御モデルでシミュレーションを行うことで, 自動運転車の割合に応じた車両制御の有効性についても検討を進めていく予定である.
データ分析に関しては, 交通流データに EWS を適用することで, 渋滞の予兆をどの程度検知できるかを検証すること, Koopman モード解析を用いて, 自動運転車が渋滞緩和する過程について定量的に調べること, を行う予定である.
|
