Evaluation and Optimization Method for Urban Signal Control Performance Based on Automatic Vehicle Identification Data

問題提起

本論文は、都市交通管理における重大なボトルネック、すなわち、内部の信号制御ログデータが入手できないために、信号制御のきめ細かなサイクル単位での評価および最適化を行うことが困難であるという課題に取り組んでいる。自動車両識別（AVI）データ（ナンバープレート認識など）は、豊富で高解像度な交通流情報を提供する一方で、信号制御ロジック（フェーズ、サイクル長、青信号開始時刻）は、プロプライエタリで異種混合なコントローラーシステム内に格納された「ブラックボックス」のままである。このデータの非対称性は、車両の走行軌跡データと信号タイミングシーケンスの整合性をとることを妨げ、「経験に基づく制御」から「データ駆動型制御」への移行を困難にしている。既存の手法は、サンプリングされたデータに依存するか、あるいは孤立したパラメータに焦点を当てることが多く、交差点のタイミングプランの完全な反転を実現できなかったり、未飽和状態と過飽和状態のキュー（行列）ダイナミクスを効果的に区別できなかったりする。

手法

著者らは、制御ロジックの推論、きめ細かな評価、信号最適化の3つの段階からなるクローズドループの手法を提案している。

1. 統合的な信号制御ログの推論
不可視の信号制御ロジックをAVIデータから再構成するために、以下のハイブリッドフレームワークを導入している。

• フェーズおよびシーケンスの推論 (DBSCAN): 正規化された車線グループの車両通過タイムスタンプに対して、DBSCANクラスタリングアルゴリズムを適用する。異なる車線グループ間の車両クラスターの時間的重複度を計算することで、どの車線が同一のフェーズで作動しているかを特定し、フェーズの実行シーケンスを決定する。
• サイクル長の推論 (FFT): 高速フーリエ変換（FFT）を用いて、車両通過時系列の周波数領域特性を分析する。支配的なスペクトルピークに対応する周波数の逆数が、推定されるサイクル長となる。この手法は、サイクル遷移を効果的に特定し、一日を通して変化するサイクル長にも対応できる。
• 青信号開始時刻の決定 (SVM): 精密な青信号開始時刻の特定を二値分類タスクとして定式化する。サポートベクターマシン（SVM）を用いて、隣接するフェーズ（例：直進 vs 左折）の車両通過時刻間の最適な分離超平面を特定し、この境界を時間軸上に投影することで、切り替えの瞬間を決定する。

2. きめ細かな性能評価
推論されたタイミングシーケンスに基づき、主要な指標のサイクル単位の抽出モデルを構築している。

• 飽和度: 実測車線交通量を車線容量で除した比率として計算され、5段階（A–E）に分類される。
• キュー長（行列長）: 二つのモデルを用いて条件を区別する。
  • 未飽和状態: キューが解消されるまでの安定した車間時間（通常4秒未満）を分析することで、列を形成している車両を特定する。
  • 過飽和状態: 上流・下流の走行時間を照合することで、二次的な行列を特定する。走行時間が赤信号の継続時間と自由流走行時間の合計を大幅に超える車両は、二次的な行列が発生していると判定される。
• 平均車両遅延: AVIによるマッチングから導出された実際の走行時間と、理想的な自由流走行時間の差として算出される。
• 性能格付け: ファジィC-means (FCM) クラスタリングを用い、飽和度、キュー長、遅延に基づき、交通システム特有の曖昧さを考慮しながら、制御性能を3つのレベル（A, B, C）に分類する。

3. 信号タイミング最適化
有効青時間、サイクル長、およびフェーズ飽和に関する制約条件下で、平均車両遅延を最小化することを目的とした単一交差点最適化モデルを定式化する。この非線形問題を解くために、**植物根成長最適化（PRGO）**アルゴリズムを導入する。PRGOは、植物の根の成長メカニズム（「繊維根」による探索と「不定根」による学習のバランス）をシミュレートし、局所解への早期収束を回避してグローバルな最適解を見つけ出す。

主な貢献

• データ駆動型のロジック反転: 外部のAVIデータのみから、完全な信号制御ログ（フェーズ、サイクル、青開始時刻）を推論する実現可能な経路を示し、信号コントローラーの「ブラックボックス」の制限を克服した。
• 二状態キューモデリング: 未飽和状態と過飽和状態を明示的に区別するキュー長推定モデルを提案し、交通波理論や累積曲線のみに依存する手法と比較して、動的な交通条件下での精度を向上させた。
• PRGOの適用: 信号タイミング最適化の領域に植物根成長最適化（PRGO）アルゴリズムを導入し、グローバルな探索能力と収束の安定性の観点から、従来の遺伝的アルゴリズム（GA）や粒子群最適化（PSO）に対する優位性を検証した。
• クローズドループ・フレームワーク: データ推論から性能格付け、最適化に至る完全なワークフローを確立し、コントローラーログへの直接的なアクセスなしに精緻な管理を可能にした。

結果

本手法は、中国・済南市の18箇所の交差点のAVIデータを用いて検証され、済南市の経十路（Jingshi Road）と青年東路（Qingnian East Road）の交差点における具体的なケーススタディが行われた。

• 推論精度: 推論された信号サイクル長のエラーは5秒未満であり、青信号開始時刻のエラーは実際のタイミングプランと比較して2秒以内であった。キュー長モデルの平方根平均二乗誤差（RMSE）は、東向き直進車線で3.26台、西向き車線で1.06台であった。
• 性能診断: FCMクラスタリングにより、西向き直進車線が調査期間の46.9%において最悪の性能レベル（レベルC）で運用されていることが判明し、ここが主要なボトルネックであることが特定された。幹線道路の連携分析では、東西方向の計画旅行指数（PTI）は西から東への方向が1.69（不安定性を示す）であったのに対し、東から西への方向は1.48であった。
• 最適化の効果: VISSIMを用いたシミュレーションにより、PRGOで最適化されたタイミングプランは、交差点の平均車両遅延を平均で9.34%減少させた。具体的には、ボトルネックとして特定された西側アプローチの遅延は、約18.4%（25.6秒から20.9秒へ）減少した。PRGOアルゴリズムは、平均遅延と最大キュー長の双方の削減において、GAおよびPSOの両方を上回った。

意義と主張

本論文は、提案手法が信号制御タイミングデータの欠落というボトルネックを効果的に克服し、AVIデータのみに基づいたサイクル単位の精緻な評価と最適化を可能にすると主張している。制御ロジックを正常に推論し、PRGOアルゴリズムを適用することで、本研究は都市信号制御を「経験ベース」から「データ駆動型」へと移行するための実現可能な技術的経路を提供している。著者らは、このアプローチによって特定の交差点のボトルネックを特定し、幹線道路の連携の不均衡を定量化できることを示しており、プロプライエタリな信号コントローラーへの直接的なアクセス権を持たない交通管理機関にとって実用的な解決策を提供すると断言している。結論として、PRGOアルゴリズムは、その探索と開発のバランスのとれた能力により、複雑な交通最適化問題を解決するための競争力のある新しいツールであるとしている。