論文の概要: Multi-agent DRL-based Lane Change Decision Model for Cooperative Planning in Mixed Traffic

• arxiv url: http://arxiv.org/abs/2601.11809v1
• Date: Fri, 16 Jan 2026 22:22:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.330843
• Title: Multi-agent DRL-based Lane Change Decision Model for Cooperative Planning in Mixed Traffic
• Title（参考訳）: 混合交通における協調計画のためのマルチエージェントDRLに基づくレーン変更決定モデル
• Authors: Zeyu Mu, Shangtong Zhang, B. Brian Park,
• Abstract要約: 連結された自動車両(CAV)は互いに通信し、協調的な小隊化を可能にする能力を持っている。 CAVの配備の初期段階において、人力車両間でのCAVのスパース分布は、効果的な協調型プラトンを形成する可能性を減らす。 本研究は, 協調型小隊におけるCAV参加の促進を目的としたハイブリッドマルチエージェント車線変更決定モデルを提案する。
• 参考スコア（独自算出の注目度）: 16.52175719220115
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Connected automated vehicles (CAVs) possess the ability to communicate and coordinate with one another, enabling cooperative platooning that enhances both energy efficiency and traffic flow. However, during the initial stage of CAV deployment, the sparse distribution of CAVs among human-driven vehicles reduces the likelihood of forming effective cooperative platoons. To address this challenge, this study proposes a hybrid multi-agent lane change decision model aimed at increasing CAV participation in cooperative platooning and maximizing its associated benefits. The proposed model employs the QMIX framework, integrating traffic data processed through a convolutional neural network (CNN-QMIX). This architecture addresses a critical issue in dynamic traffic scenarios by enabling CAVs to make optimal decisions irrespective of the varying number of CAVs present in mixed traffic. Additionally, a trajectory planner and a model predictive controller are designed to ensure smooth and safe lane-change execution. The proposed model is trained and evaluated within a microsimulation environment under varying CAV market penetration rates. The results demonstrate that the proposed model efficiently manages fluctuating traffic agent numbers, significantly outperforming the baseline rule-based models. Notably, it enhances cooperative platooning rates up to 26.2\%, showcasing its potential to optimize CAV cooperation and traffic dynamics during the early stage of deployment.
• Abstract（参考訳）: 接続された自動車両(CAV)は互いに通信し、協調する能力を有しており、エネルギー効率と交通流の両面での協調小隊化を可能にしている。 しかし、CAV配備の初期段階において、人力車間でのCAVのスパース分布は、効果的な協調型プラトンを形成する可能性を減らす。 この課題に対処するために,協調小隊におけるCAV参加の増加とそれに伴う利益の最大化を目的とした,ハイブリッドマルチエージェントレーン変更決定モデルを提案する。 提案モデルでは,畳み込みニューラルネットワーク(CNN-QMIX)によって処理されるトラフィックデータを統合したQMIXフレームワークを採用している。 このアーキテクチャは、混合トラフィックに存在する様々な数のCAVに関係なく、CAVが最適な決定を行えるようにすることで、動的なトラフィックシナリオにおける重要な問題に対処する。 さらに、軌道プランナとモデル予測コントローラは、スムーズで安全な車線変更実行を保証するように設計されている。 提案手法は, CAV市場浸透率の異なるマイクロシミュレーション環境下での学習と評価を行う。 その結果,提案モデルでは,変動するトラヒックエージェントの数を効率的に管理し,ベースラインルールベースモデルよりも大幅に優れていた。 特に、共同小隊率を26.2 %まで向上させ、配備初期のCAV協力と交通力学を最適化する可能性を示している。

関連論文リスト

• HCOMC: A Hierarchical Cooperative On-Ramp Merging Control Framework in Mixed Traffic Environment on Two-Lane Highways [6.838130893718755]
  コネクテッド・アンド・オートマチック・カーズ(CAV)に基づく協調制御戦略は,この問題に対する基本的な解決策である。 CAVは完全には普及していないが、異種交通流に対する階層的協調型オンランプマージ制御(HCOMC)フレームワークを提案する必要がある。 本稿では,修正仮想車両モデルに基づく階層的協調計画モデル,ゲーム理論に基づく離散車線変更モデル,マルチマインド最適化モデルからなるHCOMCフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-15T18:01:29Z)
• CoDriveVLM: VLM-Enhanced Urban Cooperative Dispatching and Motion Planning for Future Autonomous Mobility on Demand Systems [17.765742276150565]
  CoDriveVLMは、将来の自律型モビリティ・オン・デマンド(AMoD)システムのために、高忠実な同時ディスパッチと協調動作計画を統合する新しいフレームワークである。 提案手法は,視覚言語モデル(VLM)を用いて多モード情報処理を強化し,包括的ディスパッチと衝突リスク評価を可能にする。
  論文  参考訳（メタデータ） (2025-01-10T17:44:57Z)
• Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
  低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。 本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-14T06:17:33Z)
• CoMAL: Collaborative Multi-Agent Large Language Models for Mixed-Autonomy Traffic [11.682456863110767]
  CoMALは、交通の流れを最適化するために、自動運転車間のコラボレーションによって、混在する自律交通問題に対処するために設計されたフレームワークである。 CoMALは大きな言語モデル上に構築されており、対話的な交通シミュレーション環境で動作する。
  論文  参考訳（メタデータ） (2024-10-18T10:53:44Z)
• Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [87.7482313774741]
  コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。 本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
  論文  参考訳（メタデータ） (2024-09-19T14:36:00Z)
• CAV-AHDV-CAV: Mitigating Traffic Oscillations for CAVs through a Novel Car-Following Structure and Reinforcement Learning [8.63981338420553]
  Connected and Automated Vehicles (CAVs)は、CAVとHuman-Driven Vehicles (HDVs)の混合交通の課題に対して、有望な解決策を提供する。 HDVは限られた情報に依存しているが、CAVは意思決定を改善するために他のCAVのデータを利用することができる。 本稿では2つのCAV間のHDVのシーケンスを1つのエンティティとして扱う「CAV-AHDV-CAV」カーフォローフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-23T15:38:29Z)
• Value Function is All You Need: A Unified Learning Framework for Ride Hailing Platforms [57.21078336887961]
  DiDi、Uber、Lyftなどの大型配車プラットフォームは、都市内の数万台の車両を1日中数百万の乗車要求に接続している。 両課題に対処するための統合価値に基づく動的学習フレームワーク(V1D3)を提案する。
  論文  参考訳（メタデータ） (2021-05-18T19:22:24Z)
• Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles [109.71532364079711]
  CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案 CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。 最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
  論文  参考訳（メタデータ） (2021-02-05T19:57:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。