[論文レビュー] Game-theoretic Modeling of Traffic in Unsignalized Intersection Network for Autonomous Vehicle Control Verification and Validation

Ran Tian, Nan Li+3 more|arXiv (Cornell University)|Oct 16, 2019

Traffic control and management参考文献 46被引用数 19

ひとこと要約

本稿では、段階的kモデル、再収束ホライズン最適化、模倣学習を用いたゲーム理論的フレームワークを提案し、信号のない都市交差点における多様で相互作用的な車両行動をシミュレートする。この手法により、自律走行車（AV）制御システムの計算的に効率的な仮想テストが可能となり、結果として、衝突回避パrameterをさまざまな交通モデルで攻撃的・慎重さのバランスをとるように調整することで、最適なAV性能が得られることを示している。

ABSTRACT

For a foreseeable future, autonomous vehicles (AVs) will operate in traffic together with human-driven vehicles. Their planning and control systems need extensive testing, including early-stage testing in simulations where the interactions among autonomous/human-driven vehicles are represented. Motivated by the need for such simulation tools, we propose a game-theoretic approach to modeling vehicle interactions, in particular, for urban traffic environments with unsignalized intersections. We develop traffic models with heterogeneous (in terms of their driving styles) and interactive vehicles based on our proposed approach, and use them for virtual testing, evaluation, and calibration of AV control systems. For illustration, we consider two AV control approaches, analyze their characteristics and performance based on the simulation results with our developed traffic models, and optimize the parameters of one of them.

研究の動機と目的

• 信号のない都市交差点を含む都市交通環境において、自律走行車（AV）制御システムの仮想テストに適した計算的に効率的なシミュレーションフレームワークの開発。
• 攻撃的から慎重なドライビングスタイルを含む多様で相互作用的な車両行動（特に人間運転車両とAVの相互作用）を、現実的なドライビングスタイルを捉えるゲーム理論的手法でモデル化すること。
• 交通モデルをシミュレーション環境に統合することで、AV制御システムの初期段階における検証・検証（V&V）を可能にすること。
• 衝突とデッドロックをペナルティとし、平均速度の向上を報酬とする性能指標を用いてAV制御パrameterを最適化すること。
• さまざまな交通モデルにおけるルールベースおよび適応型AV制御戦略のケーススタディを通じて、フレームワークの有効性を示すこと。

提案手法

• 車両の意思決定を段階的kゲーム理論を用いた動的ゲームとしてモデル化し、車両が他の車両の行動を有限の推論レベルまで予測する。
• 段階的kモデリング、リアルタイム意思決定のための再収束ホライズン最適化、および観測された行動からドライビングポリシーを推定する模倣学習を統合したハイブリッドアルゴリズムを採用。
• 車両の運動学的特性は標準的なダイナミクスでモデル化され、相互作用ルールは不確実性下でのゲーム理論的均衡概念から導出される。
• 専門家のデモンストレーションを用いた模倣学習により制御ポリシーが学習され、安全かつ効率を確保するための有限ホライズンでの最適化が実施される。
• 衝突とデッドロックのペナルティと高い平均速度の報酬を組み合わせた性能指標関数が定義され、調整可能な重み係数を有する。
• 15台の車両が含まれる信号のない交差点のシミュレーション環境で、さまざまな交通モデル（段階1～段階3）を用いてモデルを検証し、異なるドライビングスタイルを表現した。

実験結果

リサーチクエスチョン

• RQ1 計算的に効率的なゲーム理論的モデルは、信号のない都市交差点における多様で相互作用的な車両行動をどのようにシミュレートできるか？
• RQ2 攻撃的から慎重なドライビングスタイルの変化が、混在交通状況下におけるAV制御システムの性能に与える影響は何か？
• RQ3 再収束ホライズン最適化と模倣学習の統合は、AVシミュレーションのスケーラビリティと現実性をどのように向上させるか？
• RQ4 ルールベースのAV制御戦略における最適なパrameter設定は、多様な交通モデルにおいてどのように特定できるか？
• RQ5 統一されたシミュレーションフレームワークは、複雑な都市交通環境におけるAV制御システムの検証・検証を効果的に行うのに有効であるか？

主な発見

• ルールベース制御アプローチにおける衝突回避半径 $ R_c $ の最適値は、[11.5, 13]メートルの範囲にあり、さまざまな交通モデルにおいて一貫して良好でロバストな性能を示す。
• 衝突回避半径 $ R_c $ が[7.5, 11]メートルの範囲にあると、中程度に攻撃的と慎重な車両の行動が衝突し、性能が著しく低下する。
• 非常に小さい $ R_c $ 値（6–7.5メートル）は、慎重な交通モデル（段階1）でのみ良好な結果をもたらす。これは、攻撃的なAV行動が譲る車両によって安全に処理されるためである。
• 大きな $ R_c $ 値は、安全な状況下でも交差点への進入を回避するあまりに慎重な行動を引き起こし、頻繁なデッドロックを引き起こす。
• 性能指標関数は、安全（衝突およびデッドロック回避）と効率（平均速度）のバランスを効果的にとらえ、シミュレーションによる最適チューニングが可能である。
• 提案されたフレームワークは、信号のない交差点におけるAV相互作用のスケーラブルで現実的なシミュレーションを可能にし、制御システムの効果的なV&Vを支援する。