Microscopic urban traffic state estimation and optimization by data driven approach

点击翻译按钮获取中文摘要

多様な交通手段が利用可能で複雑化する都市交通システムの円滑性・安全性を高次元で実現することは，都市の活力を高め，生産性の高い社会を実現するために 必要不可欠である．本研究では，インフラや移動体から収集される種々のデータを統合するシミュレーションプラットフォームを構築するものである．またその要素技術として，移動体の挙動を再現するデータ駆動型モデルの開発とそれに基づくデータ同化アルゴリズムの開発，深層強化学習を用いた交通システムの最適化手法の構築，仮想空間・現実空間間でのフィードバックシステムの開発などに取り組んでいる．高速道路における交通現象に関しては，昨年度に構築したデータ駆動型追従モデルを用いてシミュレーションを実施し，その交通現象の再現性の検証を行った．その結果，概ね良好に実現象を再現するものの，大きく減速する局面では再現性が落ちることが明らかとなり，現在その改良に取り組んでいる．また，車線変更を含むモデルに関しては，走行軌跡データに基づいて車線変更行動の発生とその影響についての検証を行った．一般道に関しては，草津市をモデルエリアとしてフリーのシミュレーションツールであるSUMOを用いたネットワークシミュレーションの開発を行っている．また，その再現性の向上に向けて飽和交通流率の妥当性の検証を目的に定点観測データによる計測値とプローブデータに基づく推計値の比較検証を行った．加えて，3次元点群データに基づき，交通事故発生リスクの検証にも取り組んだ．アクティビティ分析に関しては，買い物・通院・社交のアクティビティの仮想空間への需要可能性について，アンケート調査を行った．その結果，買い物に関しては年齢が高くなるほど仮想空間への受容性は低くなる傾向にある一方，コロナ禍を経て，社交に関しては仮想空間の受容性が他と比較して高く，その傾向は高齢者ほど高くなることを明らかとした．