マルチソース軌道データから解釈可能な車間追従モデルをエージェントが発見

- 多様な人間の運転行動や自動運転車の混在に対応するため、multi-source trajectory data から car-following (CF) law を経験的に発見する agent-centered かつ physics-aware なフレームワークを提案する研究。 - agent-guided hypothesis generation、evolutionary symbolic search、physics-aware multi-objective evaluation を反復的に組み合わせる。 - NGSIM US-101、highD、exiD を用いて Adaptive Equilibrium Response Model (AERM) を発見。AERM は state-dependent な relative-speed response と spacing-dependent な equilibrium-speed restoration を結合する。 - AERM は解析的な equilibrium speed-spacing 関係と flow-den…

- 従来の analytical CF models は解釈性を持つが、規定された関数構造が heterogeneous な運転行動の表現を制限しうる点が課題。 - 本研究は固定構造を仮定せず、traffic flow knowledge と state-dependent reconstruction errors に基づく agent-guided hypothesis generation と evolutionary symbolic search で法則を発見する点が特徴。 - 発見された AERM は fitting flexibility と analytical tractability を両立し、equilibrium speed-spacing・flow-density 関係や stability conditions の導出が可能。 - 7つの classical CF models と比較し、Shanghai naturalistic driving data、NGSIM I-80、Waymo trajectories で trajectory-specific…

- agent-centered かつ physics-aware な empirical discovery framework を構成。 - agent-guided hypothesis generation は traffic flow knowledge と state-dependent reconstruction errors に基づいて仮説を生成。 - evolutionary symbolic search により数式構造を探索し、physics-aware multi-objective evaluation で評価する。 - 発見モデル AERM は state-dependent relative-speed response と spacing-dependent equilibrium-speed restoration を結合。 - AERM の analytical equilibrium speed-spacing・flow-density 関係を導出し、zero-delay 定式化で stability conditions を導出。platoon…

- NGSIM US-101、highD、exiD の multi-source trajectory data を用いて AERM を発見。 - Shanghai naturalistic driving data、NGSIM I-80、Waymo trajectories で 7つの classical CF models と比較評価。 - trajectory-specific calibration 下で AERM が最低の spacing・speed reconstruction errors を達成し、spacing RMSE を strongest baselines 比で 9.11%、7.59%、21.73% 低減。 - dataset-level shared parameters 設定でも競争力を維持。 - 解析的 equilibrium 関係の導出、zero-delay 定式化の stability conditions 導出、platoon simulations による disturbance propagation 検討も実施。

- AERM は fitting flexibility と analytical tractability を併せ持ち、microscopic traffic simulation の解釈可能な基盤を提供すると主張。 - 一方、stability conditions は zero-delay 定式化に対して導出されており、遅延を含む場合の安定性は要旨からは不明。 - platoon simulations は disturbance propagation の検討に用いられているが、その詳細な結果や限界は要旨からは不明。 - dataset-level shared parameters では競争力があるものの、trajectory-specific calibration ほどの優位性は示されていない。 - 多様な人間行動や自動運転車の混在への一般化可能性については要旨からは不明。

- 比較対象の classical CF models（例：Gipps model、IDM、Optimal Velocity Model など、要旨では個別名は明示されず） - NGSIM US-101、NGSIM I-80、highD、exiD、Shanghai naturalistic driving data、Waymo trajectories を用いた関連研究 - evolutionary symbolic search や symbolic regression を用いた交通流モデリング研究 - physics-aware multi-objective evaluation や agent-guided hypothesis generation に関連する研究 - platoon simulations による disturbance propagation や stability analysis に関する CF 研究