⚡ electrical engineering

Adaptive traffic signal control optimization using a novel road partition and multi-channel state representation method

本研究は、変数セル長と車両数・平均速度・空間占有率の 3 種類からなるマルチチャネル状態表現を統合した深層強化学習（DQN および PPO）を用いることで、交通信号制御の最適化と他領域への転移性を飛躍的に向上させる新たな手法を提案し、シミュレーションによりその有効性を実証したものである。

原著者： Maojiang Deng, Shoufeng Lu, Jiazhao Shi, Wen Zhang

公開日 2026-02-16

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Maojiang Deng, Shoufeng Lu, Jiazhao Shi, Wen Zhang

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

🚦 従来の信号機 vs 新しい AI 信号機

1. 従来の方法：「硬い定規」と「おまかせ」

これまでの信号制御は、大きく分けて 2 つのタイプがありました。

固定時間式： 「1 分間は青、30 秒間は赤」のように、時間が決まっているだけ。車が多くても少なくても同じです。
従来の AI： 道路を「10 メートルごとの区画」に細かく分けて、その区画に車がいるかどうかを数えて判断していました。
- 問題点： 検知器（カメラやレーダー）の範囲が 300 メートルの場所と 500 メートルの場所では、区画の数が変わってしまいます。つまり、**「A 場所で練習した AI は、B 場所では使えない」**という弱点がありました。まるで、A 校で練習したバスケットボール選手が、B 校の「コートサイズが違う」ために全く活躍できないようなものです。

2. この研究の新しい方法：「伸縮する定規」と「3 色のカメラ」

この論文では、2 つの大きな工夫でこの問題を解決しました。

① 「伸縮する定規」のような道路の区切り方（可変セル長）

アイデア： 道路を区切る際、**「検知器の範囲が何メートルでも、区画の数は常に 10 個」**になるようにします。
仕組み：
- 信号のすぐそば（止まるとこ）は、車が密集しているので**「短い区画」**にします（細かい情報が必要だから）。
- 遠くの方は、**「長い区画」**にします。
- これを「対数関数と直線関数の足し算」という数式で自動計算します。
メリット： 検知器の範囲が 300 メートルでも 500 メートルでも、AI は「10 個の区画」を見て判断します。
- 例え： 就像（まるで）「伸縮する定規」です。測るものが短くても長くても、定規の「目盛り（区画）の数」は 10 個のまま。だから、**「A 場所で練習した AI は、B 場所でもそのまま使える（汎用性が高い）」**のです。

② 「3 色のカメラ」で道路を見る（マルチチャネル状態表現）

アイデア： 従来の AI は「車がいるかいないか」だけを見ていましたが、この AI は 3 つの情報を同時に見て判断します。
1. 車の数（混雑度）
2. 平均速度（車が止まっているか、流れているか）
3. スペース占有率（道路の何％が車で埋まっているか）
例え： 従来の AI が「白黒写真」で道路を見ていたのに対し、新しい AI は**「3 枚の重ね合わせカラー写真」**を見ています。これにより、単に「車が多い」だけでなく、「車が止まって渋滞しているのか、ゆっくり流れているのか」まで詳しく理解できます。

🧠 どのように学習するの？（DQN と PPO）

この AI は、2 つの異なる学習方法（DQN と PPO）で訓練されました。

シミュレーション： コンピューター上で「SUMO」という交通シミュレーターを使い、実際に車が行き交う様子を再現して学習させました。
報酬（ご褒美）： 「待ち時間が短い」「スピードが速い」「燃料消費が少ない」状態になれば、AI に「ご褒美（ポイント）」を与えます。逆に、渋滞すれば「罰点」をもらいます。AI はご褒美をたくさんもらうために、最適な信号のタイミングを自分で見つけ出します。

結果：

PPO という学習アルゴリズムを使った新しい AI（可変区画＋3 色情報）が、最も優秀な成績を収めました。
従来の固定区画の AI や、単純な信号制御よりも、**「車の列（キュー）の長さ」や「待ち時間」**を大幅に減らすことができました。

🌍 すごいところ：「場所が変わっても使える」

この研究の最大の強みは**「転移学習（トランスファーラーニング）」**の成功です。

実験： 300 メートルの範囲で訓練した AI を、そのまま 500 メートルの範囲の信号機に適用してみました。
結果： 微調整（リトレーニング）を一切行わずに、300 メートルで学んだ AI が、500 メートルの場所でも大活躍しました。
意味： これまで「場所ごとに AI を一から作り直す必要があった」のが、「一度作れば、検知器の性能や範囲が違っても使える」ようになりました。これは、信号制御の導入コストを劇的に下げる画期的な成果です。

📝 まとめ

この論文は、**「伸縮する定規」で道路を区切り、「3 つの視点」で交通状況を見ることで、「どこでも使える万能な AI 信号機」**を作ろうという提案です。

従来の課題： 場所ごとに AI を作り直す必要があった。
この研究の解決策： 区画の数を固定し、長さを自動調整する。
効果： 待ち時間の減少、燃料の節約、そして**「一度作ればどこでも使える」**という経済性と効率性の向上。

まるで、**「どんなサイズの部屋でも、家具の配置を自動調整できるスマートなインテリア」**のような信号制御システムが実現したと言えます。

以下は、提示された論文「Adaptive traffic signal control optimization using a novel road partition and multi-channel state representation method（新しい道路分割とマルチチャンネル状態表現法を用いた適応型交通信号制御の最適化）」の技術的サマリーです。

1. 研究の背景と課題

都市部の交差点における交通渋滞は、移動効率の低下、炭素排出量の増加、エネルギー消費の増大といった深刻な問題を引き起こしています。信号制御の最適化は、これらを解決するコスト効果の高い手段ですが、従来の手法には以下の限界がありました。

センサー検知範囲とモデル入力のミスマッチ: 従来の道路分割（セル分割）手法は固定長であることが多く、センサーの検知範囲（ループ、マイクロ波、レーダー・ビデオなど）が異なる場合、AI モデルの入力パラメータと実際の検知能力が一致せず、汎用性が低下する。
汎化能力の欠如: 既存の AI モデルは特定の交差点ごとに個別に訓練する必要があり、他の交差点への転用（転移学習）が困難である。
状態表現の粗さ: 従来の状態変数は、車両数や待ち行列長さなどの集計値に依存しており、車両の空間的な位置や動的な挙動（速度、占有状況など）の詳細な情報が不足していた。

2. 提案手法

本研究は、深層強化学習（DQN および PPO）を活用し、**「可変セル長（Variable Cell Length: VCL）」と「マルチチャンネル状態表現」**を統合した新しい適応型信号制御フレームワークを提案しています。

2.1 可変セル長による道路分割法

センサーの検知範囲（ $d$ ）に関わらず、道路を一定数（ $n$ ）のセルに分割するための新しい数式を提案しました。

数式: $f(x) = a \ln(x + 1) + bx$ $f (x) = a ln (x + 1) + b x$
- $x$ : セルインデックス、 $a, b$ : 係数
特徴:
- 停止線に近いセルは短く（微細な粒度）、遠いセルは長く設定される（対数関数と線形関数の和）。これは、停止線に近い車両が信号タイミングに与える影響が大きいことを反映しています。
- 係数 $a, b$ は、既知の検知範囲 $d$ とセル数 $n$ 、および最初のセル長さ $l_1$ から連立方程式を解いて自動計算されます。
- 利点: センサーの検知範囲が異なっても、セル数が同じであれば同じ AI モデルを適用可能となり、モデルの汎化能力と転移性を飛躍的に向上させます。

2.2 マルチチャンネル状態表現

交差点の交通状態を、画像処理における「高さ×幅×チャンネル」に相当する 3 次元テンソルとして抽象化します。

入力構造: 車線数 × セル数 × 状態変数（3 チャンネル）
3 つの状態変数（チャンネル）:
1. 車両数: 各セル内の車両の総数。
2. 平均速度: 各セル内の車両の平均速度。
3. 空間占有率: セル内の車両長さの合計とセル長の比率。
この多面的な表現により、交通流の空間的・時間的分布をより包括的に捉え、畳み込みニューラルネットワーク（CNN）による特徴抽出を可能にしています。

2.3 行動空間と報酬関数

行動空間: 8 つの離散的な信号フェーズ（東西直進、東西左折など）から選択。選択されたフェーズは固定の青時間（15 秒）で実行されます。
報酬関数: 待ち時間、速度、燃料消費の 3 つの指標を重み付きで組み合わせます。
- $r(t) = -0.7 \times \text{待ち時間ペナルティ} + 0.2 \times \text{速度報酬} - 0.1 \times \text{燃料ペナルティ}$
- 各指標は典型的な最大値で正規化され、待ち時間と燃料消費は増加を抑制（負の重み）、速度は改善を促進（正の重み）するように設計されています。

3. 実験と結果

SUMO 交通シミュレーターと TensorFlow を用いた実験で、提案手法（VCL-DQN, VCL-PPO）を既存手法（固定セル長、セル分割なし）および従来の制御（固定時間、アクチュエイト制御）と比較しました。

アルゴリズム比較:
- PPO（近接方策最適化） が DQN よりも安定しており、信号制御タスクに適していることが示されました。特に、VCL-PPO モデルが累積待ち行列長と累積待ち時間の両方で最良の性能を発揮しました。
- DQN は学習の不安定性により、VCL-PPO に比べて性能が劣りました。
可変セル長の効果:
- 可変セル長（VCL）を採用したモデルは、固定セル長（FCL）モデルやセル分割なしモデルよりも優れた制御性能を示しました。
クロスレンジ転移性評価（重要成果）:
- 実験設定: 検知範囲 300m で訓練したモデルを、検知範囲 500m の交差点にそのまま適用（微調整なし）。
- 結果: 300m 環境で訓練されたモデルが、500m 環境においても固定時間制御を上回る性能を維持しました。
- 意義: 提案された可変セル長手法により、物理的な検知距離の違いに依存しない「相対的な空間抽象化」が実現され、異なるセンサー構成を持つ交差点間でのモデル転送が容易になりました。

4. 主要な貢献

新しい道路分割手法の提案: 対数関数と線形関数の和を用いた可変セル長公式により、センサーの検知範囲に関係なく一定数のセルに道路を分割可能にし、AI モデルの汎用性を確立しました。
マルチチャンネル状態表現の導入: 車両数、平均速度、空間占有率の 3 つのチャンネルを統合し、交通状態をより詳細かつ構造化して表現することで、制御精度を向上させました。
実用的な転移学習の実証: 異なる検知範囲（300m と 500m）間でモデルを転用できることを実証し、実社会でのセンサー設置条件の違いを克服する可能性を示しました。

5. 意義と結論

本研究は、人工知能（AI）と高度なセンサー技術（レーダー・ビデオなど）を組み合わせることで、交通信号制御の最適化において画期的な進展をもたらしました。特に、**「センサーの物理的制約に縛られない AI モデルの設計」**という点で、都市交通管理における実用性とスケーラビリティを大幅に高めています。

将来的には、このフレームワークをグラフニューラルネットワークやアテンション機構を用いたより高度な深層強化学習モデルと統合し、さらに複雑な交通ネットワークへの適用が期待されます。