| 講演名 | 2022-12-16 Deep Q-Networkによる列車制御方策の学習 五十嵐 祥吾(日大), 福田 卓海(日大), 高橋 聖(日大), 中村 英夫(日大), 髙田 哲也(京三製作所), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 自動列車運転システムにおける列車制御方策としては，予見Fuzzy制御による手法が実用化されているが，全走行区間の制限速度，勾配を考慮した制御はモデルが複雑となり困難である．本稿では，予めシミュレーションを行いその経験を基に制御方策を学習するDeep Q-Networkによる，自動列車運転システムに向けた単一列車制御方策の学習手法を提案し，この手法により得られた制御方策が安全性，定時運転，駅停車位置精度，省エネルギー性，乗り心地などの面で良好な制御を行えることを確認した． |
| 抄録(英) | Although the predictive fuzzy control technique has been put to practical use as a train control strategy for automatic train operation systems, it is difficult to control trains considering the speed limit and gradient of all running sections due to the complexity of the model. In this paper, we propose a method of learning single train control strategies for automatic train operation systems using Deep Q-Network, which learns control strategies based on the experience of simulation in advance, and confirm that the control strategies obtained by this method provide good control in terms of on-time performance, energy saving, and good ride quality. The control strategy obtained by this method is confirmed to provide good control in terms of punctuality, energy efficiency, and good ride quality. |
| キーワード(和) | 自動列車運転 / 列車制御 / 機械学習 / 強化学習 / Deep Q-Network |
| キーワード(英) | Auto Train Control / Train Control / Machine Learning / Reinforcement Learning / Deep Q-Network |
| 資料番号 | DC2022-77 |
| 発行日 | 2022-12-09 (DC) |
| 研究会情報 | |
| 研究会 | DC |
|---|---|
| 開催期間 | 2022/12/16(から1日開催) |
| 開催地（和） | 旧大阪商船「海峡ロマンホール」 |
| 開催地（英） | |
| テーマ（和） | Winter Workshop on Safety（安全性に関する冬のワークショップ） 安全性、その他一般 |
| テーマ（英） | Safety, etc. |
| 委員長氏名（和） | 土屋 達弘(阪大) |
| 委員長氏名（英） | Tatsuhiro Tsuchiya(Osaka Univ.) |
| 副委員長氏名（和） | 細川 利典(日大) |
| 副委員長氏名（英） | Toshinori Hosokawa(Nihon Univ.) |
| 幹事氏名（和） | 新井 雅之(日大) / 難波 一輝(千葉大) |
| 幹事氏名（英） | Masayuki Arai(Nihon Univ.) / Kazuteru Namba(Chiba Univ.) |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Dependable Computing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | Deep Q-Networkによる列車制御方策の学習 |
| サブタイトル（和） | 単一列車制御による基礎的検討 |
| タイトル（英） | Learning of train control measures by means of Deep Q-Network |
| サブタイトル（和） | Preliminary study with a single train control |
| キーワード(1)（和/英） | 自動列車運転 / Auto Train Control |
| キーワード(2)（和/英） | 列車制御 / Train Control |
| キーワード(3)（和/英） | 機械学習 / Machine Learning |
| キーワード(4)（和/英） | 強化学習 / Reinforcement Learning |
| キーワード(5)（和/英） | Deep Q-Network / Deep Q-Network |
| 第 1 著者 氏名（和/英） | 五十嵐 祥吾 / Shogo Igarashi |
| 第 1 著者 所属（和/英） | 日本大学大学院理工学研究科情報科学専攻(略称：日大) Department of Computer Science, Graduate School, Nihon University(略称：Nihon Univ) |
| 第 2 著者 氏名（和/英） | 福田 卓海 / Takumi Fukuda |
| 第 2 著者 所属（和/英） | 日本大学理工学部(略称：日大) Department of Computer Engineering, College of Science and Technology, Nihon University(略称：Nihon Univ) |
| 第 3 著者 氏名（和/英） | 高橋 聖 / Sei Takahashi |
| 第 3 著者 所属（和/英） | 日本大学理工学部(略称：日大) Department of Computer Engineering, College of Science and Technology, Nihon University(略称：Nihon Univ) |
| 第 4 著者 氏名（和/英） | 中村 英夫 / Hideo Nakamura |
| 第 4 著者 所属（和/英） | 日本大学名誉教授(略称：日大) Professor Emeritus of Nihon University(略称：Nihon Univ) |
| 第 5 著者 氏名（和/英） | 髙田 哲也 / Tetsuya Takata |
| 第 5 著者 所属（和/英） | 京三製作所(略称：京三製作所) Kyosan Electric Manufacturing Co.,Ltd.(略称：Kyosan Electric Manufacturing) |
| 発表年月日 | 2022-12-16 |
| 資料番号 | DC2022-77 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | DC-318 |
| ページ範囲 | pp.26-29(DC), |
| ページ数 | 4 |
| 発行日 | 2022-12-09 (DC) |