交通協調のための時空間ディシジョン・トランスフォーマー

TL;DR（結論）

都市部の交通信号制御を「条件付きシーケンス生成問題」として再定義し、グラフアテンションによる空間協調と時系列トランスフォーマーを統合した新アーキテクチャ「MADT」を提案した。 従来の強化学習のような膨大な試行錯誤を必要とせず、オフラインの履歴データから学習が可能であり、目標とする報酬（Return-to-go）を指定することで、状況に応じた柔軟かつ効率的な信号制御を実現する。 アトランタやボストンの実データを用いた検証では、既存の最先端手法と比較して平均旅行時間を5〜6%短縮し、隣接する交差点間での高度な協調（グリーンウェーブ）を達成できることを証明した。

なぜこの問題か

現代の都市部において交通渋滞は極めて深刻な社会課題であり、2021年の報告書によれば米国だけで年間870億ドル以上の経済損失が発生していると推定されている。この莫大な損失には、渋滞によって無駄になった時間や燃料のコストが含まれており、さらに深刻な問題として、渋滞は空気汚染や温室効果ガスの排出を増加させ、都市住民の生活の質を著しく低下させる要因となっている。交通信号制御は、車両が交差点を通過するタイミングを最適化することで都市全体の交通流を管理する重要な役割を担っているが、従来の固定時間式やループ検知器に基づく制御では、複雑で動的な交通パターンに適応することが困難であった。 近年、深層強化学習（DRL）を用いた適応型の信号制御が注目を集めているが、都市規模のネットワークに適用するにはいくつかの根本的な課題が存在する。第一に、数百の交差点が存在する環境では、全エージェントの行動を同時に決定しようとすると行動空間が指数関数的に増大し、計算が追いつかなくなる。第二に、隣接する交差点間で「グリーンウェーブ（青信号の連続）」を実現し、車両の滞留を防ぐためには、高度な情報共有と空間的な協調メカニズムが必要となる。…

核心：何を提案したのか

本研究では、マルチエージェント交通信号制御を条件付きシーケンス生成問題として捉え直した「MADT（Multi-Agent Decision Transformer）」を提案した。このモデルは、従来の強化学習のように価値関数を学習したり複雑なポリシー勾配を計算したりするのではなく、望ましい報酬目標（Return-to-go）と現在の交通状況を入力として、それを達成するための最適な行動を予測する。これにより、教師あり学習のような訓練の安定性と、オフラインデータからの効率的な学習能力を両立させている。 MADTの核心的な貢献は、以下の3つの要素を統合した点にある。第一に、道路ネットワークの空間的な依存関係をモデル化するための「グラフアテンションメカニズム（GAT）」の導入である。…

続きはログイン/プランで閲覧できます。