都市鉄道では、短い駅間を走行しながら、
速度制限・勾配・定時性・乗り心地・エネルギー消費を
同時に考慮する必要があり、これまでは動的計画法や
モデル予測制御などの最適制御手法により、
省エネルギーな速度パターンを計算する方法が
用いられてきたそうです。
上智大学の研究チームは、これまでの手法では、
車両特性・走行抵抗・線路勾配・運行条件などの
モデル精度に依存するため、条件が変化した場合には
再最適化が必要となり、制御性能の低下を招く恐れが
あることから、時系列記憶を組み込んだ強化学習手法を
採用して、行動クローン事前学習と安全フィルターを
組み合わせた新たな手法を提案し、約2,000mの
駅間走行を対象としたシミュレーションを実施。
詳しくはリンク記事でご確認ください。
リカレント強化学習により都市鉄道の省エネルギーな速度制御を実現｜上智大学
上智大学公式サイト。上智大学は、日本最古のカトリック大学として、”For Others, With Others（他者のために、他者とともに）”という教育精神の下、総合大学の強みを生かした教育・研究活動を東京の中心部・四谷のグローバルワンキャンパスで展開しています。
[PR]