Hybrid Traffic Control and Coordination from Pixels

要約

交通渋滞は私たちの社会の根強い問題です。
交通制御の既存の方法は、現在の渋滞レベルを緩和するのに役に立たないことが証明されており、さまざまなレベルの自律性を備えた車両が道路上に出現することが増えているため、研究者はロボット車両を使用してアイデアを模索しています。
これにより、ロボット車両が強化学習 (RL) を通じて人間が運転する車両を規制するハイブリッド交通制御が生まれます。
ただし、ほとんどの既存の研究では、ネットワーク スループットなどのグローバルな情報と、車両の位置や速度などのローカルな情報を含む正確な観測が使用されています。
この情報を取得するには、既存の道路インフラストラクチャを更新して、膨大なセンサー ネットワークと、不本意な人間のドライバーとの通信を行う必要があります。
画像観測は、RL を介したハイブリッド交通制御の代替手段と考えています。
2) 画像は、ネットワークからネットワークへと観測空間を完全に再想像する必要はありません。
3) 画像は機器への通信のみを必要とします。
この作業では、画像観測を使用するロボット車両が、リング、8の字、合流、ボトルネック、交差点などのネットワークに関する正確な情報を使用する場合と同様のパフォーマンスを達成できることを示します。
また、グローバル トラフィック情報ではなくローカル トラフィック情報のみを使用しているにも関わらず、テストされたネットワークで特定のケースでパフォーマンスの向上 (最大 26%) を示しています。

要約(オリジナル)

Traffic congestion is a persistent problem in our society. Existing methods for traffic control have proven futile in alleviating current congestion levels leading researchers to explore ideas with robot vehicles given the increased emergence of vehicles with different levels of autonomy on our roads. This gives rise to hybrid traffic control, where robot vehicles regulate human-driven vehicles, through reinforcement learning (RL). However, most existing studies use precise observations that involve global information, such as network throughput, as well as local information, such as vehicle positions and velocities. Obtaining this information requires updating existing road infrastructure with vast sensor networks and communication to potentially unwilling human drivers. We consider image observations as the alternative for hybrid traffic control via RL: 1) images are readily available through satellite imagery, in-car camera systems, and traffic monitoring systems; 2) Images do not require a complete re-imagination of the observation space from network to network; and 3) images only require communication to equipment. In this work, we show that robot vehicles using image observations can achieve similar performance to using precise information on networks, including ring, figure eight, merge, bottleneck, and intersections. We also demonstrate increased performance (up to 26%) in certain cases on tested networks, despite only using local traffic information as opposed to global traffic information.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google