[論文レビュー] Combining Social Force Model with Model Predictive Control for Vehicle's Longitudinal Speed Regulation in Pedestrian-Dense Scenarios

Dongfang Yang, Ümi̇t Özgüner|arXiv (Cornell University)|Jul 11, 2019

Traffic control and management参考文献 8被引用数 4

ひとこと要約

本稿では、歩行者密集環境における自律走行車両の速度制御を目的として、モデル予測制御（MPC）戦略と社会的力に基づく車両・歩行者相互作用（VCI）モデルを組み合わせた手法を提案する。歩行者の運動を予測し、安全と速度の両目標を組み込んだ二次計画（QP）最適化問題を定式化することで、特に密度の高い群衆において、従来のPID制御に比べてより安全で高速なナビゲーションを実現し、平均して1.27秒の短縮時間でタスク完了を達成した。

ABSTRACT

In pedestrian-dense traffic scenarios, an autonomous vehicle may have to safely drive through a crowd of pedestrians while the vehicle tries to keep the desired speed as much as possible. This requires a model that can predict the motion of crowd pedestrians and a method for the vehicle to predictively adjust its speed. In this study, the model-based predictive control (MPC) was combined with a social-force based vehicle-crowd interaction (VCI) model to regulate the longitudinal speed of the autonomous vehicle. The predictive feature of the VCI model can be precisely utilized by the MPC. A criterion for simultaneously guaranteeing pedestrian safety and keeping the desired speed was designed, and consequently, the MPC was formulated as a standard quadratic programming (QP) problem, which can be easily solved by standard QP toolbox. The proposed approach was compared with the traditional proportional-integral-derivative (PID) control approach for regulating longitudinal speed. Scenarios of different pedestrian density were evaluated in simulation. The results demonstrated the merits of the proposed method to address this type of problem. It also shows the potential of extending the method to address more complex vehicle-pedestrian interaction situations.

研究の動機と目的

• 信号のない歩行者密集環境における自律走行車両の縦方向速度制御の課題に対処し、安全性と所望の速度の両立を図ること。
• 予測能力と歩行者運動モデリングを組み込むことで、従来のPID制御を改善すること。
• 歩行者との相互作用中に安全を確保するとともに、遅延を最小限に抑える制御戦略を設計すること。
• MPC問題を標準的な二次計画（QP）問題として定式化し、効率的かつリアルタイムに解けるようにすること。

提案手法

• 車両・群衆相互作用（VCI）モデルは、歩行者に対する車両からの反発力を含む社会的力を用いて歩行者の運動をシミュレートし、より高い精度を得るために、車両影響モデルを修正した。
• MPCフレームワークは、有限時間の予測期間における歩行者の運動予測を用いて、リアルタイムで車両速度を最適化する。
• 独自のコスト関数は、所望の速度を維持することと制御効率の最小化をバランスさせ、状態制約により最も近い歩行者との安全距離を確保する。
• MPC問題は標準的な二次計画（QP）問題に変換され、標準的なQPソルバを用いて効率的に解ける。
• 各タイムステップでVCIモデルをMPCに統合し、動的で予測可能な歩行者の運動予測を提供する。
• QPの解に基づき、制御入力を繰り返し更新することで、変化する歩行者フローにリアルタイムで適応する。

実験結果

リサーチクエスチョン

• RQ1 MPCと社会的力に基づくVCIモデルを組み合わせた予測制御戦略は、高密度の歩行者環境における車両速度制御に有効に機能するか？
• RQ2 提案手法のMPC-VCI法は、従来のPID制御と比較して、安全性、速度維持、相互作用時間の観点でどのように差をつけるか？
• RQ3 VCIモデルの予測能力は、非予測型手法と比較して、制御性能にどの程度の向上効果をもたらすか？
• RQ4 歩行者密度が、車両・歩行者相互作用におけるMPCとPID制御の性能差にどのように影響を与えるか？

主な発見

• 30人の歩行者がいる状況において、MPCアプローチはPIDに比べて平均して1.27秒の短縮時間で相互作用を完了し、はるかに高速で効率的なナビゲーションを実現した。
• 止まり・再開の状況では、MPCアプローチは最大で平均1.95秒の待機時間短縮を達成し、遅延管理の優位性を示した。
• 停止なしの状況では、MPCアプローチは平均0.98秒の相互作用時間短縮を達成し、一貫した性能向上を示した。
• PIDコントローラーは、4 m/sの目標速度でステディステートエラー約0.16 m/sを示し、相互作用完了までの最大0.4秒の遅延要因となった。
• 低密度状況（10〜20人）では性能低下が観察されたが、MPCはすべてのテストケースでPIDを上回った。
• 提案手法は、MPC問題を標準的なQP問題に効果的に変換し、標準的なQPツールボックスを用いて信頼性があり効率的なリアルタイム解法を可能にした。