深層強化学習によるスクランブル交差点の信号制御

抄録

渋谷スクランブル交差点では，日々多くの歩行者と車両が行き交っている．我々はスクランブル交差点利用者の待ち時間を短縮するため，深層強化学習を用いて信号制御のパターンとタイミングの最適化に取り組んだ．既存の研究では，車両のみを考慮したものが多く，深層強化学習による交通信号制御の適用先として，スクランブル交差点に関する研究はない．本研究では，交通シミュレーションSUMOを用いて，渋谷スクランブル交差点の環境を構築し，DQN，A2C，PPOの3つの手法により信号の最適化を行った．結果として，現在使われている信号パターンと比較して，待ち時間を4分の1に短縮することに成功した．また，手法や状態表現を変更した場合に，学習精度がどのように変化するかを明らかにし，さらに最適化された信号の挙動も分析した．