[論文レビュー] Agents for Traffic Simulation

Arne Kesting, Martin Treiber+1 more|ArXiv.org|May 2, 2008

Traffic control and management参考文献 64被引用数 6

ひとこと要約

本稿では、個々のドライバーを異種の行動を示す自律エージェントとしてモデル化し、車両追従ダイナミクス、レーン変更、信号対応、車両間通信を統合したエージェントベースの微視的交通シミュレーションフレームワークを提示する。3%のIVC装備車両のみで、ストアアンドフォワード方式を用いることで、交通渋滞の先頭が最大1 km先まで±50 mの誤差で事前に予測可能であり、ドライバーの事前認識と交通流の安定性向上が可能であることを示している。

ABSTRACT

Vehicular traffic is a classical example of a multi-agent system in which autonomous drivers operate in a shared environment. The article provides an overview of the state-of-the-art in microscopic traffic modeling and the implications for simulation techniques. We focus on the short-time dynamics of car-following models which describe continuous feedback control tasks (acceleration and braking) and models for discrete-choice tasks as a response to the surrounding traffic. The driving style of an agent is characterized by model parameters such as reaction time, desired speed, desired time gap, anticipation etc. In addition, internal state variables corresponding to the agent's "mind" are used to incorporate the driving experiences. We introduce a time-dependency of some parameters to describe the frustration of drivers being in a traffic jam for a while. Furthermore, the driver's behavior is externally influenced by the neighboring vehicles and also by environmental input such as limited motorization and braking power, visibility conditions and road traffic regulations. A general approach for dealing with discrete decision problems in the context of vehicular traffic is introduced and applied to mandatory and discretionary lane changes. Furthermore, we consider the decision process whether to brake or not when approaching a traffic light turning from green to amber. Another aspect of vehicular traffic is related to the heterogeneity of drivers. We discuss a hybrid system of coupled vehicle and information flow which can be used for developing and testing applications of upcoming inter-vehicle communication techniques.

研究の動機と目的

• 微視的交通フローにおける異種のドライバー行動をモデル化するための柔軟でエージェントベースのシミュレーションフレームワークの開発。
• 車両追従、レーン変更、信号対応といった動的意思決定プロセスを統合したエージェントモデルへの統合。
• ストアアンドフォワードメカニズムを用いた、リアルタイムの交通渋滞情報の車両間通信による拡散効果の評価。
• 分散型、車両間通信による情報共有が、交通の安全性と効率性の向上に与える可能性の評価。

提案手法

• エージェントは、ドライビング経験と長時間の混雑によるイライラを表す内部状態変数を持つ自律的実体としてモデル化される。
• 車両追従行動は、反応時間、所望速度、時間ギャップといったパラメータを含む、インテリジェントドライバー・モデル（IDM）を用いてシミュレートされる。
• 義務的および任意のレーン変更、アマーライトでのブレーキングといった離散的選択意思決定は、確率的意思決定ルールを用いてモデル化される。
• ストアアンドフォワード方式の車両間通信メカニズムにより、低浸透率（3%）であっても、対向車両ストリーム間でのメッセージ伝達が可能となる。
• 渋滞先頭位置とタイムスタンプを含むメッセージが、車両によって中継され、下流の車両が最大1 km先の渋滞を予測可能となる。
• 予測アルゴリズムは、時空間的メッセージデータを外挿して、将来的な渋滞先頭位置を誤差を明確にした形で推定する。

実験結果

リサーチクエスチョン

• RQ1 エージェントベースのシミュレーションは、リアルタイムの交通シナリオにおける異種のドライバー行動とその動的反応を効果的にモデル化できるか？
• RQ2 低浸透率の車両間通信を用いた分散型通信により、移動する渋滞の先頭はどの程度の精度で予測可能か？
• RQ3 ドライバーのイライラと時間依存パラメータの変化が、混雑状態における交通ダイナミクスに与える影響は何か？
• RQ4 ストアアンドフォワード通信戦略は、対向車両ストリーム間で交通渋滞情報を効果的に拡散できるか？
• RQ5 IVC装備車両は、どの程度の範囲で渋滞を事前に認識し、交通流の安定性を向上できるか？

主な発見

• 車両の3%しかIVCを装備していない状況下でも、本システムは移動渋滞の上流側先頭を最大1 km先まで±50 mの平均誤差で事前に予測できた。
• 下流側渋滞先頭の予測誤差はわずかに大きく±100 mであり、下流側先頭の推定にやや高い不確実性が伴うことが示された。
• 受信メッセージの数とタイムリーさが増えるほど、渋滞先頭予測の品質が著しく向上し、ストアアンドフォワードメカニズムのスケーラビリティが裏付けられた。
• シミュレーションフレームワークは、反応時間、所望速度、イライラ効果といった異種のドライバー行動を、統合されたエージェントモデルに効果的に統合した。
• エージェントベースのアプローチにより、ストップアンドゴー波や協調的レーン変更といった複雑な交通現象の現実的なモデル化が可能となった。
• 結果から、分散型で車両ベースの情報共有が、交通の事前認識を顕著に向上させ、将来のインテリジェント交通システム（ITS）の支援に大きく貢献できることが確認された。