[論文レビュー] Cooperative Decision Making of Connected Automated Vehicles at Multi-lane Merging Zone: A Coalitional Game Approach

Peng Hang, Chen Lv+3 more|arXiv (Cornell University)|Mar 14, 2021

Traffic control and management参考文献 40被引用数 5

ひとこと要約

本論文は、複数レーンの合流領域におけるコネクテッド自動運転車（CAV）のための、協力的意思決定フレームワークを、コoperative game理論に基づいて提案する。運動予測、個別化されたドライブ特性、およびモデル予測制御（MPC）を統合することで、安全性、快適性、効率性を最適化する。この手法により、車両の行動に応じて動的に応答する適応的コалиション形成が可能となり、多様な走行シナリオにおいて実時間の妥当性と向上したシステム性能が確認された。

ABSTRACT

To address the safety and efficiency issues of vehicles at multi-lane merging zones, a cooperative decision-making framework is designed for connected automated vehicles (CAVs) using a coalitional game approach. Firstly, a motion prediction module is established based on the simplified single-track vehicle model for enhancing the accuracy and reliability of the decision-making algorithm. Then, the cost function and constraints of the decision making are designed considering multiple performance indexes, i.e. the safety, comfort and efficiency. Besides, in order to realize human-like and personalized smart mobility, different driving characteristics are considered and embedded in the modeling process. Furthermore, four typical coalition models are defined for CAVS at the scenario of a multi-lane merging zone. Then, the coalitional game approach is formulated with model predictive control (MPC) to deal with decision making of CAVs at the defined scenario. Finally, testings are carried out in two cases considering different driving characteristics to evaluate the performance of the developed approach. The testing results show that the proposed coalitional game based method is able to make reasonable decisions and adapt to different driving characteristics for CAVs at the multi-lane merging zone. It guarantees the safety and efficiency of CAVs at the complex dynamic traffic condition, and simultaneously accommodates the objectives of individual vehicles, demonstrating the feasibility and effectiveness of the proposed approach.

研究の動機と目的

• コネクテッド自動運転車（CAV）のための複数レーン合流領域における安全性と効率性の課題に取り組む。
• 個々の車両のドライブ特性と好みを考慮した協力的意思決定フレームワークを開発する。
• 運動予測、多目的コスト関数、コアリション形成を統合し、システム全体のパフォーマンスを向上させる。
• シミュレーションベースのテストを用いて、多様な走行行動と合流シナリオの下でフレームワークを評価する。

提案手法

• 意思決定の精度を向上させるために、簡略化された単一トラック車両モデルを用いた運動予測モジュールを開発した。
• 安全性、快適性、効率性のバランスを図るため、制約条件を含む多目的コスト関数を定式化した。
• 合流中のCAV間の異なる協力的行動を表すために、4つの異なるコアリションモデルを定義した。
• 複雑な交通ダイナミクス下でも、実時間で動的かつ意思決定を可能にするために、コoperative gameアプローチをモデル予測制御（MPC）と統合した。
• ドライブ特性（例：攻撃的、慎重）をモデルに組み込み、個別化され、人間らしい移動行動を支援した。
• 複数のシナリオにわたるシミュレーションテストを実施し、異なる走行行動下でのコアリション形成とパフォーマンスを評価した。

実験結果

リサーチクエスチョン

• RQ1 複数レーン合流領域において、システム全体の効率性と個々の車両の好みの両立を図るための協力的意思決定は、どのように構造化できるか？
• RQ2 異なるドライブ特性を持つCAVが合流時に相互作用する際、どのようなコアリション形成パターンが生じるか？
• RQ3 運動予測とMPCの統合は、CAV合流意思決定の信頼性と実時間性能をどのように向上させるか？
• RQ4 コoperative gameフレームワークは、多様なドライブ行動をどの程度対応可能にしながらも、安全性と効率性を確保できるか？
• RQ5 混在交通環境下の合流シナリオにおいて、本手法は中央集権的制御や個別的意思決定と比較して、どのように異なるか？

主な発見

• 提案されたコoperative gameアプローチは、攻撃的または慎重なCAV同士が部分的コアリションを形成するなど、車両のドライブ特性に基づいて適応的コアリションを成功裏に形成した。
• シナリオAでは、V2が速度を落とし、合流するCAVを支援するためにレーンを変更した。協力的状況下での協調行動が確認された。
• シナリオBでは、攻撃的なCAV（V3およびV5）がグランドコアリションから離脱し、V2が速度を落とし、V1/V4が速度を上げる結果となった。これは、行動に起因するコアリションダイナミクスを反映している。
• シナリオCでは、慎重な走行行動により、V2がレーン変更ではなく事前に速度を落とした。ドライブスタイルが協調戦略に与える影響が顕著に現れた。
• ステップごとの平均計算時間は約0.07秒であり、実装に向けた実時間の妥当性が確認された。
• フレームワークは、システムレベルの安全性と効率性を個々の車両の目的と効果的にバランスさせ、単一車両制御および中央集権的制御の両方を凌駆するパフォーマンスを示した。