| 研究課題/領域番号 |
06650579
|
|---|
| 研究機関 | 北海道大学 |
|---|
研究代表者 |
中辻 隆 北海道大学, 工学部, 助教授 (60123949)
|
|---|
| 研究分担者 |
加来 照俊 北海道, 工学部, 教授 (40001135)
藤原 隆 北海道, 工学部, 助手 (50109493)
萩原 亨 北海道, 工学部, 助教授 (60172839)
|
|---|
| キーワード | 交通流シミュレーション / マクロモデル / ハイブリッドモデル / カルマンフィルター / ニューラルネットワークモデル / 人工知能モデル |
|---|
| 研究概要 |
交通流シミュレーションにおいて、対象道路網が大きくなったり、交通需要が変化したり、制御パラメータが変更された時の推定精度は良くない。本研究においては、街路交通を対象として、密度と空間平均速度を状態変量としたシミュレーションモデルを確立する上において、交通変量間のマクロ表現、モデルパラメータの交通状況依存性、あるいは最適化過程などにニューラルネットワークモデルや遺伝的アルゴリズムなどの人工知能モデルを導入し推定精度の向上をはかることを目的として以下の分析を行った。
1)従来の交通量の代わりに、密度と速度を状態変量としたモデルの開発を行った。ここでは、本来高速道路用に開発されたマクロモデルとハイブリットモデルの定式化とプログラミングを行った。さらに実測データの比較を高速道路(首都高速)と一般街路を対象として行い、いずれのモデルにおいてもパラメータの推定がシミュレーション精度に大きく影響を与えることを確認した。
2)車両感知器データを直接モデルに組み込むために、カルマンフィルタ手法の導入を図り、計測された交通量と平均速度データをもとに推定値を補正する手法の導入を行い、適合性の検討を行った結果、実測データをシミュレーションモデルに直接反映させることによって精度の向上が図れることを確認した。
3)状態変量と計測変量の関係を記述するためにニューラルネットワークモデルを導入をはかり、従来の解析的な手法に替わり当該モデルの利用可能性について検討を行った。
4)スプリットやオフセットなどの信号制御パラメータの最適化にニューラルネットワークモデルと遺伝アルゴリズムの適用を行い、いずれの手法においてもスプリットの最適化に比べオフセットの最適化が困難であることを明らかにした。
|
