[論文レビュー] Development Framework for Longitudinal Automated Driving Functions with Off-board Information Integration

Eric Armengaud, Sebastian Frager+5 more|arXiv (Cornell University)|Jun 18, 2019

Human-Automation Interaction and Safety参考文献 8被引用数 5

ひとこと要約

本論文は、交通信号の位相とタイミング、道路の幾何学的形状、速度制限などの外部情報を利用し、デジタル信頼性ID（DDI）を通じて安全で効率的かつ合成可能なシステム動作を保証する、縦方向自動運転機能の開発フレームワークを提示する。このフレームワークにより、シミュレーションからリアルタイムのハードウェアインザループ（HIL）テストへのスムーズな移行が可能となり、オーストリア・グラーツの実際のデータを用いて都市部におけるエネルギー効率の向上とドライバーの快適性の向上が実証された。

ABSTRACT

Increasingly sophisticated function development is taking place with the aim of developing efficient, safe and increasingly Automated Driving Functions. This development is possible with the use of diverse data from sources such as Navigation Systems, eHorizon, on-board sensor data, Vehicle-to-Infrastructure (V2I) and Vehicle-to-Vehicle (V2V) communication. Increasing challenges arise with the dependency on large amounts of real-time data coming from off-board sources. At the core of addressing these challenges lies the concept of a Digital Dependability Identity (DDI) of a component or system. DDIs are modular, composable, and executable components in the field, facilitating: $\bullet$ efficient synthesis of component and system dependability information, $\bullet$ effective evaluation of information for safe and secure composition of highly distributed and autonomous Cyber Physical Systems. In AVL's Connected Powertrain (TM), Automated Driving Functions are tailored to Powertrain Control Strategies that predictively increase energy efficiency according to the powertrain type and its component efficiencies. Simultaneously, the burden on the driver is reduced by optimizing the vehicle velocity, whilst minimizing any journey time penalty.In this work, the development of dependable Automated Driving Functions is exemplified by the Traffic Light Assistant, an adaptive strategy that utilizes predictions of preceding traffic, upcoming road curvature, inclination, speed limits, and especially traffic light signal phase and timing information to increase the energy efficiency in an urban traffic environment. A key aspect of this development is the possibility for seamless and simultaneous development; from office simulation to human-in-the-loop and to real-time tests that include vehicle and powertrain hardware. Driver's acceptance and comfort is rated in an advanced diver simulator mounted on a hexapod, capable of emulating longitudinal and lateral acceleration of a real vehicle. Test results from real-time function validation on a Powertrain Testbed are shown, including real traffic light signal phasing information and traffic flow representation on Graz city roads.

研究の動機と目的

• リアルタイムの外部データを自動運転機能に統合する際の複雑さに対処すること。
• 自動運転における分散型サイバーフィジカルシステムの信頼性とセキュアな合成を保証すること。
• シミュレーション、ヒューマンインザループ、リアルタイムハードウェア環境の間で、自動運転機能の開発と検証をシームレスに行えるようにすること。
• 交通信号の位相とタイミングの予測データを活用することで、都市部の交通状況におけるエネルギー効率とドライバーの快適性を向上させること。
• デジタル信頼性ID（DDI）を用いたモジュラーで合成可能かつ実行可能なフレームワークを構築し、システムレベルの信頼性評価を実施すること。

提案手法

• フレームワークは、リアルタイムでのコンポーネントおよびシステムの信頼性をモデル化・検証するためにデジタル信頼性ID（DDI）を採用する。
• eHorizon、V2I、V2V、交通信号の位相とタイミング（SPaT）情報を含む、外部データソースを統合する。
• 道路のカーブ、勾配、速度制限の予測モデリングを用いて、車両速度とパワートレイン制御を最適化する。
• オフィスベースのシミュレーションから、ヘキサポッド搭載のドライブシミュレータを用いたヒューマンインザループテストまでを統合されたパイプラインで開発を進める。
• グラーツ市内の道路から取得した実際の交通信号の位相と交通流データを用いて、パワートレインベッド上でリアルタイムの検証を実施する。
• DDIにより、分散コンポーネント間で効率的かつ合成可能で実行可能な信頼性情報の合成と評価が可能になる。

実験結果

リサーチクエスチョン

• RQ1 外部情報は、どのようにして縦方向自動運転機能に効果的かつ信頼性高く統合可能か？
• RQ2 シミュレーションからリアルタイムのハードウェアテストへの移行を可能にするアーキテクチャフレームワークは何か？
• RQ3 交通信号の位相とタイミングデータの統合は、エネルギー効率とドライバーの快適性をどのように向上させるか？
• RQ4 デジタル信頼性ID（DDI）は、分散型自動運転システムにおけるセキュアで合成可能なシステム構成をどのように支援するか？
• RQ5 予測可能な道路および交通データは、パワートレイン制御および車両速度最適化にどのような影響を与えるか？

主な発見

• 本フレームワークは、グラーツ市内の実際の交通信号の位相データを用いて、Traffic Light Assistant機能のリアルタイム検証に成功した。
• 近い交通信号の位相を予測し、それに応じて車両速度を調整することで、エネルギー効率の向上が達成された。
• ヘキサポッドベースのドライブシミュレータを用いたヒューマンインザループシミュレーションにおいて、ドライバーの快適性と受容性が肯定的に評価された。
• DDIの活用により、分散コンポーネント間で信頼性情報の効率的合成と評価が可能になった。
• 本システムは、シミュレーションからハードウェアインザループテストへのシームレスな統合を実証し、フレームワークのスケーラビリティと信頼性を裏付けた。
• 本フレームワークは、安全な自動運転機能の導入に不可欠なモジュラーで合成可能かつ実行可能な信頼性評価を支援する。