台灣車聯網產業協會
 
 
 
 
 
分類選單
TTIA10周年專刊電子書

TTIA 社群平台
電子報/友會
新訊公告
瀏覽人次統計
當日人次:30634
累計人次:65950470

11/29 運研所_「我國人工智慧車聯網之號誌控制(2/2)-匝道儀控與平面道路號誌協控實作」研究成果分享會

 

交通部運輸研究所

「我國人工智慧車聯網之號誌控制(2/2)-匝道儀控與平面道路號誌協控實作」

研究計畫研究成果分享會

 

壹、背景說明
本計畫延續去年(112 年)「我國人工智慧車聯網之號誌控制(1/2)-都會區幹道實作與交流道區域模式發展探討」研究計畫成果, 發展人工智慧(Artificial Intelligent, AI)強化學習(Reinforcement Learning, RL)之號誌協控模型,並與高速公路局及桃園市政府共同協作,探討高速公路匝道儀控與平面道路路口間動態號誌控制,選擇桃園市「中壢交流道」作為實驗場域進行號誌協控訓練與實測。另外於都會區幹道實作上,依據 112 年於臺北市「中山北路-德行東路」的 3 個路
口幹道、臺南市「台 86-19 甲」單一路口之現場實驗測試結果,進行人工智慧號誌控制模型之調整與訓練,完成訓練之 AI 強化學習號誌控制模型,並於現場再次進行實測量化績效分析,以期能對人工智慧號誌控制之發展帶來貢獻。

 

本計畫人工智慧號誌控制方法延續前期採用之多目標 Q-Pensieve 演算法,於號誌協控方面,導入集中訓練與分散執行(Centralized Training and Decentralized Execution, CTDE)之 AI 訓練學習架構,以更適切應用於匝道儀控與平面道路個別控制之需求;於都會區幹道方面,則導入 Pearl 訓練架構探討單一 AI 模型應用於不同時段不同時相組態,期望可提升人工智慧號誌控制於實務應用上之操作性。

 

前述強化學習號誌控制模型均先透過交通模擬軟體(SUMO)模擬器進行模型訓練,並藉由模擬環境與現況定時號誌控制方式,進行強化學習號誌控制模型輸出之合理性與穩定性分析。最後則分別於桃園市中壢交流道、臺北市「中山北路-德行東路」與臺南市「台 86-19 甲」的平常日與假日進行實測及量化績效分析。


貳、分享會時間與地點
一、時間:113 年 11 月 29 日(五)上午 9 時 30 分至 12 時
二、地點:交通部運輸研究所 10 樓會議室 (臺北市松山區敦化北路 240 號)
三、會議型式:實體與視訊線上會議
四、受限於會議室空間,開放前 20 位報名者以實體方式參與會議,其餘報名者將提供視訊方式參與成果分享會。

 

參、議程

時間

議程

主持(講)人

09:00~09:30

報到與視訊會議登入

09:30~09:40

開場致詞

交通部運輸研究所

吳東凌組長

09:40~11:30

計畫概述

 

人工智慧強化學習號誌控制-交流道區域號誌協控

  • 強化學習演算法簡介
  • 模型之學習與訓練架構
  • 車流模擬環境介紹
  • 模擬環境評估績效
  • 實驗場域現況說明
  • 強化學習號誌控制核心模組開發
  • 實測績效說明

人工智慧強化學習號誌控制-都會區幹道

  • 強化學習演算法簡介
  • 模型之學習與訓練架構
  • 車流模擬環境介紹
  • 模擬環境評估績效
  • 實驗場域現況說明
  • 強化學習號誌控制核心模組開發
  • 實測績效說明

結論與成果特色整理

後續發展與建議

資拓宏宇國際股份有限公司

黃業傑  副理

林小淳  規劃師

黃祖瑜  規劃師

郭哲維  分析師

11:30~12:00

綜合討論

交通部運輸研究所

吳東凌組長

 

肆、報名方式
請直接於會議時間點選線上會議連結參加  (視訊會議連結 https://pse.is/6rwcfs)

 

伍、成果分享會聯繫人
資拓宏宇國際股份有限公司
黃業傑  副理    (02)8969-1969#1218    yc.huang@iisigroup.com
黃祖瑜  規劃師  (02)8969-1969#1208    aurora.huang@iisigroup.com