MITの研究者がAIを活用して自動運転車が赤信号でアイドリングストップを回避できるように支援

ドライバーが毎回信号を直進できるように旅行のスケジュールを正確に設定できたらどうなるでしょうか?

これは人間のドライバーには可能なことかもしれませんが、次のような状況で起こります。特に幸運な状況ではありますが、AI を使用して速度を制御する自動運転車によって、より安定して達成できる可能性もあります。

マサチューセッツ工科大学 (MIT) の科学者たちは、新しい研究で機械学習アプローチを実証しています。この方法は、信号交差点に近づいたり通過したりするときに交通の流れを維持するために、自律走行車のフリートを制御する方法を学習できます。

シミュレーション結果によると、彼らの方法は平均車両速度を向上させながら燃料消費量と排出ガスを削減できます。この技術は、路上を走るすべての自動車が自動運転である場合に最も効果的に機能しますが、たとえ 25% の自動車だけが制御アルゴリズムを使用していたとしても、燃料と排出ガスに大きなメリットをもたらします。

「ここは介入するには非常に興味深い場所です。交差点で立ち往生しているからといって、誰の人生も良くなるわけではありません。他の多くの気候変動介入には生活の質の違いが期待されているため、参入障壁があります」そこにあります」と研究の上級著者であるキャシー・ウー氏は述べた。彼は土木環境工学科のギルバート・W・ウィンスロー・キャリア開発助教授であり、データ・システム・社会研究所（IDSS）と情報・意思決定システム研究所（LIDS）のメンバーであると報告されています。

LIDS 氏と、電気工学およびコンピュータ サイエンス学科の大学院生であるビンドゥラ ジャヤワルダナ氏は、どちらもこの研究の筆頭著者です。この研究は欧州管理会議で発表される予定です。

複雑な交差点

人間は何も考えずに青信号を通過するかもしれませんが、交差点は、車線の数、信号モードの動作、数、および信号に応じて、何十億もの異なる状況で発生する可能性があります。車の速度、歩行者や自転車の存在など。

交差点制御の問題を解決するための一般的なアプローチは、数学モデルを使用して単純な理想的な交差点を解決することです。これは机上ではうまくいっているように見えますが、交通パターンが混乱していることが多い現実の世界では当てはまらない可能性があります。

この点に関して、Wu と Jayawardana は別の角度から考え、深層強化学習と呼ばれるモデルフリーのテクノロジーを使用してこの問題に対処しました。強化学習は、制御アルゴリズムが一連の決定を下すことを学習する試行錯誤の方法です。良いシーケンスを見つけると報酬が与えられます。深層強化学習では、アルゴリズムはニューラル ネットワークによって学習された仮説を使用して、たとえ数十億の可能性があるとしても、適切なシーケンスへの近道を見つけます。

これは、このような長期的な問題を解決するのに役立ちます。 Wu氏は、制御アルゴリズムは長期間にわたって車両に500回以上の加速命令を発行する必要があると指摘した。さらに彼女は、「そして、排出ガスを十分に削減し、良いペースで交差点に到達したとわかる前に、シーケンスを正しく実行する必要があります。」つまり、研究者らは、システムが燃料消費量を削減する戦略を学習することを望んでいました。移動時間への影響を制限します。これらの目標は互いに矛盾する可能性があります。

「移動時間を短縮するには、車を速く走らせる必要がありますが、排出ガスを削減するには、車を減速するか、まったく動かさないようにします。これらの競合する報酬は、学習エージェントにとって非常に混乱する可能性があります。 」と呉さんは言いました。

この問題の一般性に対処するのは困難ですが、研究者らは報酬形成と呼ばれる手法を使用して問題を回避しました。報酬形成を通じて、システムに、それ自体では学習できない領域の知識を与えます。この場合、車両が完全に停止するたびにシステムに罰を与え、システムがこの動作を回避することを学習します。

交通テスト

研究者が効果的な制御アルゴリズムを開発したら、単一交差点の交通シミュレーション プラットフォームを使用して評価します。この制御アルゴリズムは、ネットワークに接続された自律走行車のフリートに適用され、信号機と通信して信号機から位相とタイミング情報を受信し、周囲を監視します。この制御アルゴリズムは、各車両に加速と減速の方法を指示します。

彼らのシステムは、車両が交差点に近づく際にストップアンドゴーの渋滞を引き起こすことはありませんでした。このシミュレーションでは、人間のドライバーをシミュレートしたモデルよりも、単一の青信号段階で通過する車の数が多くなりました。同じくストップアンドゴーの回避を目的とした他の最適化手法と比較すると、その技術は燃料消費量と排出ガスの削減につながりました。道路上のすべての車が自動運転であれば、その制御システムは燃料消費量を 18%、CO2 排出量を 25% 削減し、同時に 20% 速く走行できる可能性があります。

Wu 氏は次のように述べています:「1 回の介入で燃料や排出量が 20% ～ 25% 削減されるというのは本当に信じられないことです。しかし、私が興味深いと思うのは、そして私が本当に知りたいのは、この非線形性です。スケールです。 「車両の 25% を制御することで、燃料と排出ガスを 50% 削減できるという利点があります。つまり、このアプローチの恩恵を受けるには、100% 自動運転車に到達するまで待つ必要はありません。」

次研究者らは、複数の交差点間の相互作用効果を研究したいと考えている。さらに、車線の数、信号、タイミングなどのさまざまな交差点設定が、移動時間、排出ガス、燃料消費量にどのような影響を与えるかを調査する予定です。さらに、自動運転車が人間のドライバーと道路を共有するときに、制御システムが安全性にどのような影響を与えるかを研究する予定です。

この取り組みはまだ初期段階にありますが、ウー氏は、このアプローチは近い将来、より実現可能になる可能性があると考えています。

以上がMITの研究者がAIを活用して自動運転車が赤信号でアイドリングストップを回避できるように支援の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。