強化学習による電気自動車の走行モデル切り替えの最適化

内田 英明  藤井 秀樹  吉村 忍  

誌名
電子情報通信学会論文誌 D   Vol.J101-D   No.9   pp.1316-1324
発行日: 2018/09/01
Online ISSN: 1881-0225
DOI: 10.14923/transinfj.2017SAP0016
論文種別: 特集論文 (ソフトウェアエージェントとその応用論文特集)
専門分野: エージェント応用
キーワード: 
電気自動車,  交通シミュレーション,  経路選択,  強化学習,  

本文: PDF(1.1MB)
>>論文を購入


あらまし: 
近年,電気自動車の市場導入が本格化しており,その高い環境性能から早期の普及が望まれている.しかしガソリン車と比較し航続距離が短いことから,長距離を走行する際には移動途中での充電が必要となるなど,普及に向けた課題も存在する.一般に電気自動車では通常走行モデルと充電走行モデルの二つを充電残量に応じて切り替えながら経路選択を行うが,現状ではその意思決定は運転者に委ねられており,様々な環境において適切なタイミングで充電を行うことは困難である.そこで本研究では,マルチエージェント交通流シミュレータの環境を利用し,電気自動車の走行モデル切り替え戦略について強化学習のアプローチによって最適化する.具体的には,幾つかの特徴を備えた仮想環境において計算機実験を行い,周囲の限定的な状態観測から適切な学習が行えることを示す.