← 論文一覧に戻る

信号交差点におけるCAV向け静的・動的運転リスク場モデル：効率・安全性・脱炭素化の向上

A Static–Dynamic Driving Risk Field Model for CAV at Signalized Intersections: Enhancing Efficiency, Safety, and Decarbonization (原題)

Meng Zeng, Dengke Ma, Hang Chen

Sustainability📚 査読済 / ジャーナル2026-10-12#EV・輸送Origin: CN経営インパクト: コスト削減対象セクター: transport
DOI: 10.3390/su182010360
原典: https://doi.org/10.3390/su182010360

🤖 gxceed AI 要約

日本語

本研究は、信号交差点におけるコネクテッド・自動運転車（CAV）向けに、静的環境要因と動的要因を統合したリスク場モデルを提案する。リスク知覚円と勾配ベース制御則をVISSIM-Python連成シミュレーションで評価した結果、平均旅行時間6.8%減、遅延8.1%減、TTC分散27.8%減などの安全性向上に加え、CO2排出量3.3%減を含む排出削減効果を確認した。効率・安全・脱炭素を同時に改善する定量的かつ解釈可能なCAV制御ツールを提供する。

English

This study proposes a unified risk field model for connected and automated vehicles (CAVs) at signalized intersections, integrating static environmental factors and dynamic vehicle factors within a potential energy field framework. Evaluated via a VISSIM-Python co-simulation, the model reduces average travel time by 6.8%, delay by 8.1%, and TTC variance by 27.8%, while cutting CO2 emissions by 3.3%. It offers a quantitative, interpretable tool for CAV control that simultaneously improves efficiency, safety, and decarbonization.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本ではCAV・自動運転の社会実装とカーボンニュートラル港湾・都市政策が進むが、本論文は交差点制御というミクロな視点から交通由来CO2削減の定量的根拠を提示する。国内のスマートシティ実証やグリーン成長戦略における自動運転活用の議論に資する。

In the global GX context

Globally, transport decarbonization is a key pillar of net-zero pathways, and this paper adds quantitative evidence that CAV control at intersections can deliver modest but measurable CO2 reductions alongside safety and efficiency gains. It supports the integration of intelligent transport systems into climate action planning, relevant to TCFD/ISSB transition planning for mobility.

👥 読者別の含意

🔬研究者:CAV制御と交通流シミュレーションを組み合わせた排出削減評価の手法に関心がある研究者に有用。

🏢実務担当者:自動運転・交通管理システムの導入検討において、安全性・効率・CO2削減のトレードオフを定量化する際の参考になる。

🏛政策担当者:都市交通政策やCAV実証事業の評価指標として、交差点レベルでの排出削減効果を組み込む根拠を提供する。

📄 Abstract（原文）

Intersections are critical bottlenecks in urban traffic, contributing disproportionately to crashes, delays and emissions. This study proposes a unified risk field model for connected and automated vehicles (CAVs) at signalized intersections that integrates static environmental factors (markings, signal timing and geometry) and dynamic factors (moving vehicles) within a potential energy field framework. A risk perception circle mechanism is introduced to simulate drivers’ risk perception while reducing computational complexity. A gradient-based control law converts the risk field into a desired acceleration and is written back in a VISSIM-Python co-simulation platform to evaluate its effectiveness. Results show a 6.8% reduction in average travel time, an 8.1% reduction in average delay, shorter weaving areas, and reduced acceleration fluctuation. Additionally, safety analysis reveals a 27.8% decrease in TTC variance, a 22.6% increase in mean PET, and a 21.8% decrease in PET variance. Emissions of NOx, HC, CO, and CO2 are reduced by 5.3%, 5.5%, 4.5%, and 3.3%, respectively. These findings demonstrate that the proposed model simultaneously improves travel efficiency, traffic safety and decarbonization, offering a quantitative and interpretable tool for CAV control at signalized intersections, supporting intelligent, sustainable and resilient intersection management.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。