自動運転カー(自律走行車)が普及すると、交差点での無駄がなくなり待ち時間解消によって効率化が進むと考えられてます。それだけでなく、道路上の自動車が増え過密化することで全体のペースが大きく下がるという現象が解消されたり、理想的な道路選択をサポートすることで、交通渋滞が劇的に解消するということがStanford Artificial Intelligence Laboratory(SAIL)の数学的な検証によって示されています。

Altruistic Autonomy: Beating Congestion on Shared Roads | SAIL Blog
http://ai.stanford.edu/blog/altruistic-autonomy/

以下のグラフは理想的な道路交通条件を研究するFundamental Diagram of Traffic(FDT)において作成された道路交通状態を表すグラフで、縦軸に道路上のある地点を1秒間に通過する自動車の数(flow)、横軸に1メートルあたりに存在する自動車の数(density)をプロットしたもの(FDT1)です。グラフが山のような形状を持ち、右肩上がりの青色部分と右肩下がりの赤い部分になるのが特徴です。
https://i.gzn.jp/img/2019/01/21/altruistic-autonomy-on-road/a01_m.png

上記FDT1の内容を説明すると、原点は道路上に自動車が0台の状態で、周りを走る自動車がないため最高速度でスイスイ快適に走ることが可能です。自動車の数が増えたとしても十分なスペースがある青色部分の間は全車が最高速度で快適に走ることができるので、自動車の台数(densityと等価)に比例してflowも高まっていきます。

しかし、自動車が走行する場合、一般的に前を走る自動車との間に最低2秒分の距離をあける必要があります。これは前方の車両が急ブレーキをかけても事故を起こさないように最低限必要となる車間距離で、自動車の数が増えてdensityが増えるとすべての自動車が2秒間隔では走れなくなるポイント(飽和点)に到達します。これが上記グラフの山の頂上であり、車間距離で2秒分を保つためには道路上の自動車は台数が増えるとともにスピードを落とさざるを得なくなります。そのため、densityが飽和点を超えるとflowは右肩下がりの状態(赤色部分)になってしまいます。

以下のグラフは縦軸に道路上のある地点から別の地点移動するのにかかる待ち時間(latency)、横軸にflowをとったグラフ(FDT2)。青色部分では、前車が最高速で走行できるためlatencyは一定です。ただし、飽和点に到達すると速度が低下することでlatencyは上昇してしまいます。なお、飽和点以降の赤色部分はflowも低下していくので、グラフは双曲線状になります。つまり、飽和点を境として自動車の台数が増えるほど、目的地への到達時間が長くなることがわかります。
https://i.gzn.jp/img/2019/01/21/altruistic-autonomy-on-road/a02_m.png

現実世界では自動車は全車が一定速度で走るわけもなく、車間距離もまちまちであるため上記2つのグラフは理想状態の理論値ですが、自動車の数が増えるとある時点で急に目的地まで到達するのにかかる時間が長くなり始めるという特徴は理解しやすいといえます。

さらに、現実の世界では「利己主義的」な人間の特性のため、道路交通にはより複雑な力学が働くことになります。ロサンゼルスのBeverly Hillsからthe Valleyに自動車で移動する場合を検討してみます。経路は3通りあり、最短経路の「Coldwater」なら25分、「ハイウェイ405号線」なら30分、距離の長い「Laurel」なら35分かかります。
https://i.gzn.jp/img/2019/01/21/altruistic-autonomy-on-road/a03_m.png

続きはソースで

GIGAZINE
https://gigazine.net/news/20190121-altruistic-autonomy-on-road/

アメリカや中国を中心に開発が進む自動運転カーは、安全な運転を可能にすることに加え、機械学習を活用することで道路の渋滞を軽減できるかもしれないという研究結果が発表されました。

Watch just a few self-driving cars stop traffic jams | Science | AAAS
https://www.sciencemag.org/news/2018/11/watch-just-few-self-driving-cars-stop-traffic-jams

自動車を運転しているとたびたび交通渋滞に出くわすことがありますが、事故や工事などが原因で起こっている渋滞がある一方で、まったく原因がわからずに「いつの間にか渋滞が終わってたけど何で渋滞してたの！？」と思ってしまう不思議な渋滞に遭遇したことがある人も多いはず。交通工学の研究により、原因不明とされてきた渋滞は、1台の車が不要なブレーキを踏んでブレーキランプを点灯させることで後ろを走る車もブレーキを踏み、さらにその後ろの車……という風にブレーキが連鎖的に踏まれることで徐々に多くの車がスピードを落とし、最終的には完全にストップしてしまう状況さえも作り出してしまうことがわかっています。

この、後ろ方向に進む「ブレーキの衝撃波」は多くの場合、人間のドライバーによって引き起こされているとのこと。本来であれば必要のないブレーキを操作することがないように、人工知能(AI)に機械学習を行わせて自動運転カーの走り方に反映させる研究が行われています。

研究を率いているのは、カリフォルニア大学バークレー校(UCLA)のEugene Vinitsky氏らの研究チーム。強化学習で走り方をAIに学習させることで、渋滞を引き起こさないスムーズな道路の流れを生み出す研究が行われています。チームでは、渋滞の発生を防止するためのアルゴリズム「FLOW」を開発し、人間のドライバーと組み合わせた走行シミュレーションを行うことで、どの程度渋滞を防止できるかを調査しています。

その一例が次の2本のムービー。ともに円状の道路を22台の自動車が走るというシミュレーションで、最初のムービーでは22人の人間をシミュレートした運転が行われています。最初はスムーズに流れているように見えた道路ですが、次第に一部で車間距離が近づきはじめ、最後には完全に停車してしまう大渋滞へと発展します。

Single-lane ring (0 AVs, 22 human-driven vehicles) - YouTube
https://youtu.be/Lggtw9AOH0A



しかしここに、1台の自動運転カー(AV)を投入すると状況が一変。適度な車間距離を保つ自動運転カーのおかげで集団の「ゆらぎ」が吸収され、無駄な加減速がなくなって渋滞がウソのように発生しなくなりました。

Single-lane ring (1 AV, 21 human-driven vehicles) - YouTube
https://youtu.be/D0lNWWK3s9s



その様子は、道路が八の字に交差するシチュエーションでも同様に起こるとのこと。人間の運転だと、以下のムービーのように交差点で渋滞が発生してしまいますが……

Figure 8 (0 AVs, 14 human-driven vehicles) - YouTube
https://youtu.be/Z6QltFAEDeQ



自動運転カーが入ると、全体がスムーズに流れるようになります。最初の部分で動き出しのタイミングを計っているのも大きな理由だといえそうですが、走り出してからもスピードを絶妙に調節することで交差点での鉢合わせを回避しているのかも。

Figure 8 (1 AV, 13 human-driven vehicles) - YouTube
https://youtu.be/SoA_7fPJEG8



上記のムービーで重要なポイントは、「適切な間隔を空けることで渋滞の発生は抑えられる」というところにあります。車間距離が小さくなると、後続のドライバーはどうしてもブレーキを多く踏むようになります。すると点灯したブレーキランプを見た後続のドライバーがまたブレーキを踏む、という連鎖で渋滞は発生します。

Merge 0% CAV Penetration - YouTube
https://youtu.be/RPBAZH3Z0Sk



Merge 5% CAV Penetration - YouTube
https://youtu.be/r-sBz1VOtp4



Flow
https://flow-project.github.io/index.html

続きはソースで

https://i.gzn.jp/img/2018/11/20/few-self-driving-car-stop-traffic-jam/00_m.jpg

https://gigazine.net/news/20181120-few-self-driving-car-stop-traffic-jam/

■「渋滞学」第一人者が分析する渋滞発生の元凶とは？

　一般的に、渋滞とは「車の移動スピードが遅くなっているイメージ」、つまり、「速さ」で定義しがちだが、これは渋滞の本質を理解するうえで正しいとは言えないようだ。

「渋滞は、いわゆる交通量調査で測るデータで捉えることが適切です。
混んでくると、定点を通過する交通量はゼロに向かっていくことになります。
つまり、車間が短いと、自動車の走行スピードが遅くなり、交通量が減るわけです。
では、ちょうどいい車間距離はどれくらいかというと、ベストなのは40ｍであることが分かりました」（西成教授、以下同）

　つまり、高速道路も一般道路も、40ｍよりも距離が詰まっている状態が「渋滞」といえるのだという。

　では、そもそも自動車の自然渋滞が発生するのはなぜなのか。
西成教授は「減速・発進が続いて、その振れ幅が大きくなっていくこと」と分析する。

「データを見ると、渋滞のほとんどは追い越し車線から発生します。
ある車が追い越し車線に割り込むと、後方の車にブレーキを踏ませてしまいます。
割り込みが複数台続いて、ストップアンドゴーを繰り返すことで、“ブレーキのバトンを渡している状態”になるんです。
早く進むために追い越し車線に自動車が集まると、よりブレーキが踏まれやすい環境になり、追い越し車線が渋滞してきて、車間が縮まってしまうのです」

　以前、東名高速で発生した約40kmの渋滞を調べたところ、たった1台の車の車線変更が原因だったことが判明。
あまりにも急に割り込んだため、後方の自動車が続々とブレーキを踏んで、長距離渋滞につながったという。

「これは極端な例ですが、どこかで車間距離が40ｍ以上空いていれば、ここまでの渋滞にはならなかったと考えられます」

　前の車が時速5km減速したとすると、後方車が5km減速、さらに後ろで5km減速…といけばまだいいが、5kmの減速で後方の車は強くブレーキを踏むかもしれない。
すると結果として、速度が10km、次の車で20kmと、減速の幅が倍に広がってしまうという。


■ベストは時速70km車間距離40ｍ

　また、物理的な原因も無視できない。道路が下り坂から上り坂に変化するサグ（凹部）や、長い上り坂における速度低下も、渋滞の原因の半分以上を占めるといわれている。

「渋滞の起きやすいところは、ずばり上り坂です。坂に差し掛かってもアクセルをそのまま踏んでいたら、速度は遅くなります。すぐ気づけばいいのですが、時速100kmが95kmに減速したところで、ほとんど誰も気づかない。でも、その5kmの差がポイントになります」

「たとえば、渋滞の名所といわれる関越自動車道の花園ＩＣは荒川を渡るところにあるのですが、橋がちょっとだけ盛り上がっているんです。分度器で見れば2度くらいですが、そのちょっとした盛り上がりが渋滞を生みやすくしているのです」

　坂道やカーブなどの立地条件による渋滞回避には、2つ方法があるとのこと。
1つ目は、上り坂にさしかかったら減速を抑える、つまり「速度回復」する。
2つ目は、やはり車間距離を適切にキープすることだそう。

関連ソース画像
http://dol.ismcdn.jp/mwimgs/c/2/670m/img_c2cec52afb7289d15fcaf70440c9f981482004.jpg

続きはソースで

ダイヤモンド・オンライン
http://diamond.jp/articles/-/160842

自動運転カーが普及すれば渋滞が解消するという見方もありますが、一方で「どれくらい早く加速できるか」によっては交通渋滞が劇的に悪化する場合もあるというシミュレーション結果も出ています。
そんな中、「車の後方にセンサーを取り付けて前方車両だけでなく後方車両との車間距離もコントロールすれば、交通状況は劇的に改善する」という研究結果が発表されました。

Wave Equation of Suppressed Traffic Flow Instabilities
(PDFファイル)http://people.csail.mit.edu/bkph/papers/Bilateral_Control

If We All Stopped Tailgating, We Could Dramatically Cut Traffic Jams
https://www.forbes.com/sites/lauriewinkless/2017/12/15/if-we-all-stopped-tailgating-we-could-dramatically-cut-traffic-jams

MITの研究で示されたのは、それぞれの自動車が前後の自動車との距離をベースにして速度を調整する「バイラテラル制御」を用いたアプローチ。
「前の車との距離からスピードを計算する」というのは、これまでも私たちが行ってきたことですが、新しいアプローチでは前方だけでなく後方の車との車間距離も調整されます。

今回の研究で示された方法は、先行車の動向に対応して車速制御を行うアダプティブ・クルーズ・コントロール(ACC)という、既存の方法を利用したもの。近年の車は車体前方のバンパーにセンサーを搭載しており、前方者に追従する形で車間距離や時間差を最小にしています。そのため、前方の車がスピードを変更すると、ACCを搭載した車は追随して速度を変更するようになっています。この機能は車の安全性を確保するために役立っていますが、交通の流れについて改善しないどころか悪化させることも。

続きはソースで

GIGAZINE
https://gigazine.net/news/20171219-tailgating-traffic-jam/