본 논문은 연결 및 자동화 차량(CAVs)의 다차량 협력 주행에서 횡방향 및 종방향의 공동 의사결정 문제를 해결하기 위해, 제한된 지평선과 시간 할인 설정을 가진 다중 에이전트 마르코프 게임에 대한 병렬 업데이트를 포함하는 몬테 카를로 트리 탐색(MCTS) 방법을 제안합니다. 부분 정상 상태 교통 흐름에서 다차량 공동 행동 공간의 병렬 행동을 분석하여, 병렬 업데이트 방법은 잠재적인 위험 행동을 빠르게 배제함으로써 탐색 폭을 희생하지 않고 탐색 깊이를 증가시킵니다. 제안된 방법은 다수의 무작위로 생성된 교통 흐름에서 테스트되었으며, 실험 결과는 알고리즘이 우수한 강건성을 가지고 있으며 최첨단 강화 학습 알고리즘 및 휴리스틱 방법보다 성능이 우수함을 보여줍니다. 제안된 알고리즘을 사용하는 차량 주행 전략은 인간 운전자를 넘어 합리성을 보여주며, 조정 구역에서 교통 효율성과 안전성에 장점이 있습니다.
