論文の概要: Collective Autonomous Vehicle Routing Needs Social Awareness for Coexistence with Human Drivers

• arxiv url: http://arxiv.org/abs/2610.13439v1
• Date: Fri, 09 Oct 2026 11:37:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.555859
• Title: Collective Autonomous Vehicle Routing Needs Social Awareness for Coexistence with Human Drivers
• Title（参考訳）: 人間ドライバーとの共存に社会意識を必要とする集合的自律走行システム
• Abstract要約: 我々は、自己中心的な旅行時間AV報酬に社会的要素、限界コストを導入する。 IngolstadtとProvinsの現実世界のネットワークの実験では、限界費用の導入はHDVの走行時間の増加を制限することが示されている。 結果は、AVルーティングは利己的な報酬を超えて、すべてのトラフィック参加者の利益のために、その目的にソーシャルコンポーネントを含めるべきであることを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Collective Autonomous Vehicle (AV) route choices in real-world traffic networks can create externalities for Human-Driven Vehicles (HDVs), as routes that benefit AVs may increase travel times for other road users. To address this, we introduce a social component, the marginal cost, to the selfish travel time AV reward. Marginal cost captures an AV's impact on other road users by comparing their travel times with those in a counterfactual simulation in which the AV is removed. We study AV route choice in mixed-autonomy traffic settings using Multi-Agent Reinforcement Learning (MARL), where AVs learn routing policies through repeated interactions with the traffic environment. Experiments on the real-world networks of Ingolstadt and Provins show that incorporating marginal cost into the AV reward not only limits the increase in HDV travel times and shortens AV travel times relative to selfish AV routing, but also improves overall system performance. In Ingolstadt, selfish routing of 40\% AVs increases the travel times of other vehicles by 1.7\%, and this drops to 1.1\% when the social reward is included. Interestingly, not only does overall system performance improve, but the AVs are also better off when acting socially.This effect is consistent across tested cities, penetration rates, and replications, yet when the weight of the social component in the reward increases, the system fails to reach the desired performance. For a more scalable approach to social AV routing in mixed-autonomy traffic, we compute the marginal cost only for the AVs whose route choices most affect the traffic system. This reduces the number of counterfactual simulations and achieves similar performance at a significantly lower computational cost. Our results suggest that AV routing should go beyond selfish rewards and, for the benefit of all traffic participants, include a social component in its objective.
• Abstract（参考訳）: 現実の交通ネットワークにおける集合的自律車(AV)経路の選択は、AVの恩恵を受けるルートが他の道路利用者の移動時間を増やす可能性があるため、人間駆動車(HDV)の外部性を生み出すことができる。 これを解決するために,自尊心のある旅行時間AV報酬に社会的要素,限界費用を導入する。 マージナルコストは、他の道路利用者に対するAVの影響を、AVを除去した反ファクトシミュレーションで比較することで捉えている。 マルチエージェント強化学習(MARL: Multi-Agent Reinforcement Learning)を用いて、交通環境との繰り返しの相互作用を通じて、AVの経路選択について検討する。 IngolstadtとProvinsの現実世界ネットワークの実験では、AV報酬に限界費用を組み込むことでHDVの走行時間の増加を制限し、自家用AVルーティングと比較してAVの走行時間を短縮するだけでなく、システム全体の性能も改善している。 インゴルシュタットでは、40 % AV の利己的なルーティングは、他の車両の走行時間を1.7 %増加させ、社会的報酬を含めると1.1 %に減少する。 興味深いことに、システム全体のパフォーマンスが向上するだけでなく、AVは社会的に行動する際にも良好である。この効果はテスト対象都市、浸透率、複製で一致しているが、報酬の社会的構成要素の重みが大きくなると、システムは望ましいパフォーマンスに到達できなくなる。 混合自律性トラフィックにおけるソーシャルAVルーティングに対するよりスケーラブルなアプローチとして、経路選択が交通システムに最も影響を与えるAVに対してのみ、限界コストを算出する。 これにより、カウンターファクトシミュレーションの回数を減らし、計算コストの大幅な削減で同様の性能を実現する。 我々の結果は、AVルーティングは利己的な報酬を超えて、すべての交通参加者の利益のために、その目的に社会的要素を含むべきであることを示唆している。

関連論文リスト

• Impact of Collective Behaviors of Autonomous Vehicles on Urban Traffic Dynamics: A Multi-Agent Reinforcement Learning Approach [0.0]
  本研究では, 混合交通環境下での都市交通流に対する強化学習(RL)対応自動運転車(AV)の潜在的影響について検討した。 人間の運転者が選択した経路を走行し、最低旅行時間で目的地にたどり着く都市ネットワークを考える。 最適化目標のセットを定義するか、あるいはそれらが行動と呼ぶように、利己的、協力的、競争的、社会的、利他的、悪意的を定義します。 シミュレーションの結果,AVの走行時間は最大5%まで最適化され,AVの挙動によって人体運転者の走行時間に異なる影響が認められた。
  論文  参考訳（メタデータ） (2025-09-26T11:29:54Z)
• Comprehensive Autonomous Vehicle Optimal Routing With Dynamic Heuristics [0.0]
  AVユーザエクスペリエンスを改善するために提案されたモデルは、複数の連結自動運転車のハイブリッドAVネットワークを使用する。 この問題の真の最適解決策は、AVネットワークにおける車両の自動誘導システムを開発することである。 結果は分析され、解の有効性を評価し、ギャップと将来の拡張を識別するために比較される。
  論文  参考訳（メタデータ） (2024-03-17T18:21:56Z)
• Development and Assessment of Autonomous Vehicles in Both Fully Automated and Mixed Traffic Conditions [0.0]
  本稿では,単一AVの開発から始まり,接続型AVへと進展する多段階アプローチを提案する。 AVの運転性能を検証するために調査を行い、混合交通事例研究に活用する。 その結果, 深部強化学習を用いて, AVは人間の運転性能に到達した運転行動を得た。 AVネットワークにおける共有とケアに基づくV2Vコミュニケーションの採用は、その運転行動を高め、より効果的な行動計画を支援し、AV間の協調行動を促進する。
  論文  参考訳（メタデータ） (2023-12-08T02:40:11Z)
• A Counterfactual Safety Margin Perspective on the Scoring of Autonomous Vehicles' Riskiness [52.27309191283943]
  本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。 本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
  論文  参考訳（メタデータ） (2023-08-02T09:48:08Z)
• Studying the Impact of Semi-Cooperative Drivers on Overall Highway Flow [76.38515853201116]
  半協調行動は、人間ドライバーの本質的な性質であり、自律運転には考慮すべきである。 新たな自律型プランナーは、社会的に準拠した軌道を生成するために、人間のドライバーの社会的価値指向(SVO)を考慮することができる。 エージェントが反復的最適応答のゲーム理論バージョンをデプロイする暗黙的な半協調運転について検討する。
  論文  参考訳（メタデータ） (2023-04-23T16:01:36Z)
• Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
  本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。 擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
  論文  参考訳（メタデータ） (2022-06-28T17:08:31Z)
• Multi-agent Reinforcement Learning for Cooperative Lane Changing of Connected and Autonomous Vehicles in Mixed Traffic [16.858651125916133]
  レーン変更は、混合および動的交通シナリオにおける自動運転車(AV)にとって大きな課題である。 本稿では,マルチエージェント強化学習(MARL)問題として,混在高速道路環境における複数のAVの車線変更決定を定式化する。 提案するMARLフレームワークは,効率,安全性,ドライバの快適性という点で,最先端のベンチマークを一貫して上回っている。
  論文  参考訳（メタデータ） (2021-11-11T17:17:24Z)

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。