Routing Control Optimization for Autonomous Vehicles in Mixed Traffic Flow Based on Deep Reinforcement Learning
숙명여자대학교 인공지능공학부 임유진 교수
연구 논문 개요
배경 및 목표
연구 방법 및 결과
성과 및 활용 가능성
참고 문헌 및 출처
논문 요약
연구 논문 기본 정보
논문 제목 : Routing Control Optimization for Autonomous Vehicles in Mixed Traffic Flow Based on Deep Reinforcement Learning
한글 제목 : 심층 강화 학습을 기반으로 한 혼합 교통 흐름에서 자율주행 차량의 경로 제어 최적화
출간일 및 저널 정보 : 2024년, Applied Sciences, Volume 14, Issue 5, Article Number 2214
저자 : Sungwon Moon, Seolwon Koo, Yujin Lim, and Hyunjin Joo
연구의 핵심 정보 : 본 논문은 자율주행 차량과 인간 운전 차량이 혼재된 교통 환경에서 자율주행 차량의 경로 제어를 최적화하기 위해 딥 강화 학습(Deep Reinforcement Learning)을 기반으로 한 다목적 차량 경로 제어 방법을 제안합니다. 제안된 방법은 교차로에서의 주행 방향 결정을 통해 교통 흐름을 효율적으로 분산시키고, AV의 안전성과 효율성을 동시에 보장합니다.
연구 논문 요약
자율주행 차량(AV)과 인간이 운전하는 차량(HV)이 혼재된 교통 환경에서, 예측 불가능한 상황으로 인한 교통 정체와 사고 발생 빈도를 줄이기 위해 AV의 경로 최적화 기술이 필수적임. 특히, 교차로와 같은 복잡한 상황에서 AV가 효율적이고 안전하게 의사결정을 내릴 수 있는 고도화된 경로 제어 기술의 필요성이 강조됨.
본 연구는 딥 강화 학습(Deep Reinforcement Learning, DRL)을 활용한 딥 Q-네트워크(Deep Q-Network, DQN) 기반의 AV 경로 최적화 모델을 제안함. 혼합 교통 환경을 반영한 실시간 교통 정보 활용, 다중 목적 보상 설계를 통해 안전성과 효율성을 동시에 달성하며, 다양한 교통 밀도와 AV 보급률에서의 성능을 실험적으로 분석함.
실험 결과, 제안된 모델은 AV의 운전 거리와 대기 시간을 각각 기존 모델 대비 15% 이상 감소시키며 교통 효율성을 입증함. 혼잡도가 높은 상황에서도 교통 흐름을 효과적으로 분산시키며, 높은 AV 보급률에서 성능 향상이 두드러짐.
본 연구는 혼합 교통 환경에서 AV의 경로 제어를 위한 실시간 반응형 모델을 제시하며, 스마트 교통 관리 시스템 구축과 지속 가능한 교통 체계 발전에 기여함. 또한, 교통 정체 완화와 에너지 효율성 증대를 통해 환경적 가치를 증명함.
연구는 AV와 HV의 협력적인 이동을 위한 기술적 기반을 마련하며, 다중 에이전트 협력 학습 및 더욱 정교한 보상 설계로의 확장 가능성을 제시함.
논문 초록
With recent technological advancements, the commercialization of autonomous vehicles (AVs) is expected to be realized soon. However, it is anticipated that a mixed traffic of AVs and human-driven vehicles (HVs) will persist for a considerable period until the Market Penetration Rate reaches 100%. During this phase, AVs and HVs will interact and coexist on the roads. Such an environment can cause unpredictable and dynamic traffic conditions due to HVs, which results in traffic problems including traffic congestion. Therefore, the routes of AVs must be controlled in a mixed traffic environment. This study proposes a multi-objective vehicle routing control method using a deep Q-network to control the driving direction at intersections in a mixed traffic environment. The objective is to distribute the traffic flow and control the routes safely and efficiently to their destination. Simulation results showed that the proposed method outperformed existing methods in terms of the driving distance, time, and waiting time of AVs, particularly in more dynamic traffic environments. Consequently, the traffic became smooth as it moved along optimal routes.
한국어 번역
연구 논문 개요
연구 논문 기본 정보
연구 논문 요약
논문 초록
© 2024 – D.circle
Privacy Policy
Cookies
Terms & Conditions
상호명: 주식회사 디써클 (Dcircle Inc.) / 사업장 소재지: 서울특별시 종로구 창경궁로 35길 38 (혜화동, 킹고 스타트업 스페이스) 사업자등록번호 458-87-03380 전화번호 010-6312-6417 이메일 info@rndcircle.io 대표 장재우,이윤구 개인정보 보호책임자 박준영 호스팅서비스 아마존 웹 서비스 (AWS)