Model-free Learning of Corridor Clearance: A Near-term Deployment Perspective

要約

コネクテッド自動運転車 (CAV) テクノロジーの新たな公衆衛生アプリケーションは、交通を間接的に調整することで緊急医療サービス (EMS) の応答時間を短縮することです。
したがって、この研究では、短期配備の観点から、EMS 車両の CAV を利用した廊下のクリアランスを研究します。
このテーマに関する既存の研究では、EMS 車両の混乱が通常の交通に及ぼす影響がしばしば見落とされ、CAV の普及率が 100% であると想定され、リアルタイムの信号タイミング データと交差点の待ち行列の長さに依存し、最適なモデルを導き出す際に交通設定についてさまざまな仮定が行われています。
ベースの CAV 制御戦略。
ただし、これらの仮定は短期的な展開に重大な課題をもたらし、そのような方法の現実世界への適用可能性を制限します。
これらの課題を克服し、短期的に現実世界への適用性を高めるために、CAV 制御戦略の設計に深層強化学習 (DRL) を採用したモデルフリーのアプローチを提案します。これは、モデルと比較して設計のオーバーヘッドが削減され、スケーラビリティとパフォーマンスが向上することを示しています。
ベースのメソッド。
私たちの定性分析では、DRL コントローラーがモデルベースの方法と比較して設計を容易にする、多様な交通設定に対応するスケーラブルな EMS 通路クリアランス コントローラーの設計の複雑さを浮き彫りにしています。
数値評価では、モデルフリーの DRL コントローラーは、単一の CAV が存在するシナリオで交通の流れを改善し、さらには EMS 移動時間を短縮することにより、モデルベースの DRL コントローラーよりも優れた性能を発揮します。
19 の検討された設定全体で、学習された DRL コントローラーは 6 つのインスタンスで移動時間の短縮において 25% 優れており、平均 9% の改善を達成しました。
これらの調査結果は、実際的な短期的な展開に焦点を当て、EMS 対応とトラフィック フローの調整を進める上でのモデルフリー DRL 戦略の可能性と有望性を強調しています。

要約(オリジナル)

An emerging public health application of connected and automated vehicle (CAV) technologies is to reduce response times of emergency medical service (EMS) by indirectly coordinating traffic. Therefore, in this work we study the CAV-assisted corridor clearance for EMS vehicles from a short term deployment perspective. Existing research on this topic often overlooks the impact of EMS vehicle disruptions on regular traffic, assumes 100% CAV penetration, relies on real-time traffic signal timing data and queue lengths at intersections, and makes various assumptions about traffic settings when deriving optimal model-based CAV control strategies. However, these assumptions pose significant challenges for near-term deployment and limit the real-world applicability of such methods. To overcome these challenges and enhance real-world applicability in near-term, we propose a model-free approach employing deep reinforcement learning (DRL) for designing CAV control strategies, showing its reduced overhead in designing and greater scalability and performance compared to model-based methods. Our qualitative analysis highlights the complexities of designing scalable EMS corridor clearance controllers for diverse traffic settings in which DRL controller provides ease of design compared to the model-based methods. In numerical evaluations, the model-free DRL controller outperforms the model-based counterpart by improving traffic flow and even improving EMS travel times in scenarios when a single CAV is present. Across 19 considered settings, the learned DRL controller excels by 25% in reducing the travel time in six instances, achieving an average improvement of 9%. These findings underscore the potential and promise of model-free DRL strategies in advancing EMS response and traffic flow coordination, with a focus on practical near-term deployment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google