数理最適化と機械学習に基づく高信頼・高効率な高密度自動運転車群制御システムの開発

点击翻译按钮获取中文摘要

本研究の目的は，自動運転車群が配備された大規模・高密度なスマートシティを対象とした自律制御と集中管理群制御が連携した安全かつ高効率な自動運転車群 制御手法の確立となる.そのため本研究課題では具体的に次の3つの段階に分けて進めていく:(A)都市空間内における自動運転車の群制御を表現する数理計画モデルの開発(B)(A)で得られた最適解を教師とする機械学習器の開発(C)(B)で得られた学習結果を現実的かつ精緻に評価し，リファインするためのマルチエージェント・シミュレーション技法および教師なし学習技法の開発この中でも2022年度は主に，(B)および(C)に焦点を当てて研究を進めた．数百台規模の車両の動きをシミュレーションするために，車両1台1台のダイナミクスを表現可能な大規模都市交通シミュレータSUMOを採用した．SUMOは交差点上での車両の軌跡・位置関係を精緻に表現できるなど，シミュレーション精度は高い．SUMO上の車両エージェントに機械学習の結果を反映するために，前述の最適化指向のマルチエージェント・シミュレーション技法を組み込んだ．マルチエージェント・シミュレーションによる評価(ODに対する待ち時間や旅行時間）を報酬とする状態-行動価値関数を，(B)の機械学習結果から構築し，モデル予測制御の枠組みで経路計画法を構築した．さらに，この経路計画法の結果を教師として，機械学習器を実装した．これは前年度に構築したランダムフォレスト法を前提としている．これにより，リアルタイムでの意思決定を可能とするものとなった．