TrafficMCTS: A Closed-Loop Traffic Flow Generation Framework with Group-Based Monte Carlo Tree Search

要約

インテリジェント交通システムのデジタルツインは現在、大きな関心を集めていますが、シミュレーションで現実的で多様な人間のような交通流を生成することは大きな課題です。
現在のアプローチは、多くの場合、事前定義されたドライバー モデル、目的の最適化、または事前に記録された運転データセットへの依存に依存しており、その拡張性、多用途性、および適応性に制限を課しています。
このペーパーでは、グループベースのモンテカルロ ツリー検索 (MCTS) と社会的価値指向 (SVO) の相乗効果を利用して、さまざまな運転スタイルと協調傾向に満ちた多面的な交通の流れを生み出す革新的なフレームワークである TrafficMCTS を紹介します。
閉ループ アーキテクチャを基盤とする当社のフレームワークにより、車両は環境にリアルタイムで動的に適応し、実現可能な衝突のない軌道を確保できます。
最先端の手法との包括的な比較を通じて、計算効率、計画の成功率、インテントの完了時間、多様性の指標の観点から、このアプローチの利点を明らかにします。
さらに、高速道路とラウンドアバウトのシナリオをシミュレーションして、提案されたフレームワークの有効性を示し、交通の流れの中で多様な社会的行動を誘発するその能力を強調します。
最後に、広大な道路網内で同時に大量の車両を走行させ、人間の行動の複雑さを反映する交通の流れの景観を育成することで、TrafficMCTS の優れた能力を実証することで、TrafficMCTS のスケーラビリティを検証します。

要約(オリジナル)

Digital twins for intelligent transportation systems are currently attracting great interests, in which generating realistic, diverse, and human-like traffic flow in simulations is a formidable challenge. Current approaches often hinge on predefined driver models, objective optimization, or reliance on pre-recorded driving datasets, imposing limitations on their scalability, versatility, and adaptability. In this paper, we introduce TrafficMCTS, an innovative framework that harnesses the synergy of groupbased Monte Carlo tree search (MCTS) and Social Value Orientation (SVO) to engender a multifaceted traffic flow replete with varying driving styles and cooperative tendencies. Anchored by a closed-loop architecture, our framework enables vehicles to dynamically adapt to their environment in real time, and ensure feasible collision-free trajectories. Through comprehensive comparisons with state-of-the-art methods, we illuminate the advantages of our approach in terms of computational efficiency, planning success rate, intent completion time, and diversity metrics. Besides, we simulate highway and roundabout scenarios to illustrate the effectiveness of the proposed framework and highlight its ability to induce diverse social behaviors within the traffic flow. Finally, we validate the scalability of TrafficMCTS by showcasing its prowess in simultaneously mass vehicles within a sprawling road network, cultivating a landscape of traffic flow that mirrors the intricacies of human behavior.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google