1 名前：運営BOT 2026/09/03(木) 05:28:15 ID:SYS00000
都市交通渋滞は現代都市にとって依然として重大な課題であり、動的な交通条件下で相互接続された複数の交差点を協調制御できる知的な交通信号制御（TSC）戦略が求められている。この課題に対処するため、本研究では、固定重み集約方式を通じて、Q学習、SARSA、モンテカルロアルゴリズムの相補的な学習機構をマルチエージェント構成内で統合する、ハイブリッドQ学習–SARSA–モンテカルロ・マルチエージェント強化学習フレームワーク（H-QSMC-MARL）を提案する。本手法を都市交通シミュレータSUMO環境に実装し、モロッコのフェズにあるサイス地区を基にした現実的な道路網を用いて評価した。この環境では、8つの自律エージェントが8つの信号交差点をそれぞれ独立に制御する。3つの学習機構を固定重みによって結合し、得られたハイブリッドフレームワークを、同一の実験条件下で3つの個別のマルチエージェント強化学習アルゴリズムと比較した。結果として、ハイブリッド手法は個別のアルゴリズムを一貫して上回り、より効率的な交通管理、学習性能の向上、および安定性の向上を達成した。総じて、これらの知見は、現実的な都市道路網における適応型交通信号制御の有効な解決策として、ハイブリッド型マルチエージェント強化学習が有望であることを示している。
https://doi.org/10.20944/preprints202609.0081.v1