A Generative Model for Closed-Loop Microsimulation of Signalized Intersections

技術要約：信号交差点のクローズドループ・マイクロシミュレーションのための生成モデル

問題提起
交通マイクロシミュレータ（SUMOなど）は、伝統的に手作業で設計された行動モデルに依存しており、これらは集約的な交通流を再現することはできるものの、信号交差点における車両間の異質で時に攻撃的な相互作用を捉えることはできない。対照的に、学習ベースの軌跡予測器はより豊かな相互作用を捉えることができるが、通常は短期間のホライゾンであり、オープンループでの評価に限定されている。そのため、長期間のクローズドループ実行時には誤差の累積による不安定性が生じる。さらに、既存のデータ駆動型アプローチは、膨大なデータセットなしには物理的に妥当で社会的に一貫した行動をモデル化することに苦慮することが多く、非定常なアクター・コーホート（車両が継続的に流入・流出する状況）を維持しながら、特定の構造的制約（信号、車線トポロジー、幾何学形状）に対処できるものはほとんど存在しない。

手法：Enactor
著者らは、信号交差点のクローズドループ・マイクロシミュレーションのために設計された、アクター中心の生成モデルであるEnactorを提案する。主要なアーキテクチャおよび学習コンポーネントは以下の通りである：

• 状態表現： モデルは、交差点の幾何学形状に整合させた極座標系による状態表現を利用する。各アクターの状態は $(r, \sin \theta, \cos \theta, s, \sin \alpha, \cos \alpha)$ として定義される。ここで、$r$ は交差点中心からの動径距離、$\theta$ は角度位置、$s$ は線速度、$\alpha$ は方位角である。静的要素（車線）はポリラインとしてエンコードされ、交通信号は、ワンホット形式のフェーズ・エンコーディングを持つ車線端ベクトルとして表現される。
• 入力特徴量： 重要な革新は、各アクターに対する明示的な入力特徴量として、先行車のリアバンパー位置を含めている点である。この幾何学的な手がかりは、減速をどこで終了させるべきかという参照点を提供し、「停止線」の問題に対処する。歩行者は、車両の注意（アテンション）に影響を与える文脈的な隣接対象として含まれるが、主要な予測対象としては扱われない。
• アーキテクチャ： Enactorは、2つの連続するアテンション・ブロックを備えたTransformerベースのアーキテクチャを採用している：
  1. 空間ブロック（Spatial Block）： 近傍のアクター、マップのポリライン、および信号ベクトルに対する自己アテンションを用いて、各タイムステップにおけるアクター間およびアクターとマップ間の相互作用を捉える。
  2. 時間ブロック（Temporal Block）： ヒストリー・ウィンドウにわたって空間埋め込みを集約し、次ステップの運動パラメータ（速度 $s$ と方位角の変化 $\alpha$）の分布を予測する。
• 出力と運動学： モデルは $(s, \alpha)$ の混合ガウス分布を出力する。推論時にはサンプルが抽出され、決定論的な運動学的更新を介してアクターの次ステップの位置が計算される。
• 学習レジーム： モデルはクローズドループ・カリキュラムを用いて学習される。初期段階では、モデルはグラウンドトゥルース（正解）のコンテキストを受け取る。その後、段階的にグラウンドトゥルースのコンテキストがモデル自身の予測に置き換えられていく。これにより共変量シフトが緩和され、推論中にモデルが自身の予測に依存することを学習できる。
• 評価レジーム：
  1. シミュレータ・レジーム： 2つの交差点幾何学形状において、継続的に更新されるアクター・コーホートに対し、Enactorがすべての動的な車両を制御する「シミュレーション・イン・ザ・ループ」テストを行う（4,000秒、40,000タイムステップ）。
  2. 実世界レジーム： フィッシュアイカメラからの自然主義的データを用い、単一パスのマルチホライゾン予測プロトコル（2秒、5秒、10秒）で評価を行う。また、前処理（スプライン平滑化）が軌跡のノイズに与える影響についても調査する。

主な貢献

1. 幾何学に配慮した表現： 交差点の幾何学形状に特化して整合させた極座標表現。
2. クローズドループ・マイクロシミュレーション： 非定常なアクター・コーホートに対し、数千タイムステップにわたって道路ネットワークから逸脱することなく、動的な交通シーンを制御できることを実証した、Transformerベースの生成モデルとしての学習および評価。
3. リーダー・リアバンパー特徴量： 交差点認識の安全性指標（特にルール遵守）に最も大きな影響を与える単一の入力特徴量として、先行車のリアバンパー位置を特定したアブレーション研究。
4. 包括的な評価： 同一のクローズドループ・プロトコルの下でのIntTrajSimとの直接比較、および実世界のフィールドデータを用いた評価。
5. ノイズ分析： 上流の検出ノイズ（横方向のドリフト）の影響と、訓練入力としてのスプライン平滑化のトレードオフに関する経験的な調査。

結果

• 集約的なフローのリアリズム： シミュレータ・レジームにおいて、EnactorはSUMOのデータジェネレータの速度および走行時間分布を、IntTrajSimベースラインよりも大幅に低いKLダイバージェンスで回収した（走行時間については1桁以上低く、サイト1の速度については約5倍低い）。
• ルール遵守： Enactorは、IntTrajSimと比較して赤信号無視を1桁以上減少させた（サイト1において、IntTrajSimは169/175回に対し、Enactorは5回）。アブレーション研究により、先行車のリアバンパー特徴量を除去するとルール遵守が著しく低下すること（199回の違反）が確認され、正確な停止挙動におけるその必要性が強調された。
• 安全性指標： Enactorは赤信号遵守を改善する一方で、衝突時間（TTC）イベントの発生は生のSUMOデータよりも高く、近距離の相互作用のリアリズムは依然として未解決の課題であることを示している。
• 実世界でのパフォーマンス： 自然主義的データにおいて、Enager-SmoothおよびEnager-Rawは、すべてのホライゾン（2秒、5秒、10秒）において一定速度ベースラインを上回った。Enager-Smoothは2秒時点での優位性がわずかに見られ、Enager-Rawは、最終変位誤差（FDE）および閾値内成功率に関して、より長いホライゾン（5秒、10秒）において優れた性能を示した。これは、ジッターの除去と平滑化バイアスの導入との間のトレードオフを示唆している。

意義と主張
本論文は、安定した長期間のクローズドループ・ロールアウト、集約的なフローのリアリズム、および交差点認識の安全性リアリズムは、それぞれ異なる設計上の選択を必要とする別個の目的であると主張している。

• 極座標表現とクローズドループ・カリキュラムは、主に安定性と集約的なフローに対処するものである。
• リーダー・リアバンパー特徴量は、交差点認識の安全性（ルール遵守）における決定的なコンポーネントとして特定された。
• 著者らは、Enactorが短期間の軌跡予測と長期間のマイクロシミュレーションの間の溝を埋めることに成功したと主張しており、学習されたモデルが、道路ネットワークから逸脱することなく、数千タイムステップにわたって動的で非定常な交通シーンを制御できることを示している。
• 本論文は、近距離の相互作用のリアリズム（具体的にはTTCイベントの最小化）が、現在のモデルにおける主要な限界として残っていることを謙虚に認めている。
• 実世界への展開に関しては、アーキテクチャ自体は自然主義的データ上で機能するものの、オンライン展開には因果的な前処理パイプラインとより広範なフィールド検証が必要である（現在の平滑化手法は因果的ではないため）と述べている。