CityFlowER: 組み込まれた機械学習モデルを持つ効率的で現実的な交通シミュレーター

交通シミュレーションは、交通インフラの計画、インテリジェントな交通制御政策の学習、交通流分析に不可欠なツールです。その効果は、使用されるシミュレーターのリアリズムに大きく依存します。SUMOやCityFlowなどの従来の交通シミュレーターは、運転行動を過度に簡略化するハイパーパラメータを持つルールベースのモデルへの依存から制限を受けており、非現実的なシミュレーションを引き起こします。リアリズムを向上させるために、一部のシミュレーターは観察データから学習し、より洗練された運転行動モデルを提供する機械学習（ML）モデルと対話するためのアプリケーションプログラミングインターフェース（API）を提供しています。しかし、このアプローチは、車両数が増加するにつれてスケーラビリティと時間効率の課題に直面しています。これらの制限に対処するために、我々は現在のCityFlowシミュレーターを進化させたCityFlowERを紹介します。CityFlowERは、効率的で現実的な都市全体の交通シミュレーションのために設計されており、革新的にMLモデルをシミュレーター内に事前に埋め込むことで、外部APIの相互作用を不要にし、データ計算を迅速化します。このアプローチは、個々の車両のためのルールベースとML行動モデルの融合を可能にし、特に大規模なシミュレーションにおいて比類のない柔軟性と効率を提供します。既存のシミュレーターとの詳細な比較、実装の洞察、そしてCityFlowERのリアリズム、効率、適応性における優位性を示す包括的な実験を提供します。