[論文レビュー] Integration of Vehicular Clouds and Autonomous Driving: Survey and Future Perspectives

Yassine Maalej, Elyes Balti|arXiv (Cornell University)|Jan 8, 2022

Vehicular Ad Hoc Networks (VANETs)被引用数 4

ひとこと要約

本稿は、車両間通信（V2V）および車両-インfraストラクチャ通信（V2I）のデータ統合、クラウドコンピューティング、およびAI駆動の認識技術を統合することで、車両の周辺状況把握、安全性、協調走行を向上させる、自動運転（AD）と車両クラウド（VC）の統合フレームワークを提案する。本研究では、VCの分散型コンピューティングとADのディープラーニングおよびセンサーフュージョンを組み合わせることで、リアルタイムでの3次元環境理解が可能となり、オンボード処理への依存度が低下し、協調的認識により意思決定性能が向上することを示している。

ABSTRACT

For decades, researchers on Vehicular Ad-hoc Networks (VANETs) and autonomous vehicles presented various solutions for vehicular safety and autonomy, respectively. Yet, the developed work in these two areas has been mostly conducted in their own separate worlds, and barely affect one-another despite the obvious relationships. In the coming years, the Internet of Vehicles (IoV), encompassing sensing, communications, connectivity, processing, networking, and computation is expected to bridge many technologies to offer value-added information for the navigation of self-driving vehicles, to reduce vehicle on board computation, and to deliver desired functionalities. Potentials for bridging the gap between these two worlds and creating synergies of these two technologies have recently started to attract significant attention of many companies and government agencies. In this article, we first present a comprehensive survey and an overview of the emerging key challenges related to the two worlds of Vehicular Clouds (VCs) including communications, networking, traffic modelling, medium access, VC Computing (VCC), VC collation strategies, security issues, and autonomous driving (AD) including 3D environment learning approaches and AD enabling deep-learning, computer vision and Artificial Intelligence (AI) techniques. We then discuss the recent related work and potential trends on merging these two worlds in order to enrich vehicle cognition of its surroundings, and enable safer and more informed and coordinated AD systems. Compared to other survey papers, this work offers more detailed summaries of the most relevant VCs and ADs systems in the literature, along with some key challenges and insights on how different technologies fit together to deliver safety, autonomy and infotainment services.

研究の動機と目的

• VCとADの間で生じる研究の断片化に取り組む。両者は強い相乗効果があるにもかかわらず、独立して発展してきた。
• 通信、ネットワーキング、セキュリティ、リアルタイム協調制御の分野におけるVCとADシステム統合の主な課題を特定・分析する。
• 分散型データ処理と協調的認識を通じて、VCがオンボードの計算負荷を軽減し、ADの能力を強化する方法を検討する。
• AI、コンピュータビジョン、ディープラーニングの役割を検証し、自律走行車両における高度な3次元シーン理解と意思決定を可能にする。
• 今後の統合作業を支援するため、既存技術、規格（例：WAVE、DSRC）、およびシステムアーキテクチャの包括的概要を提供する。

提案手法

• VCおよびAD分野における150件以上の最近の研究を体系的に調査し、通信プロトコル、ネットワーキングモデル、AIベースの認識システムに焦点を当てる。
• WAVEおよびDSRCなどの通信規格を分析し、チャネル割り当て（CCH/SCH）、MAC層プロトコル（AODV、DSR、GPSR）、および安全メッセージングのためのジオキャストルーティングを含む。
• Vehicular Cloud Computing（VCC）アーキテクチャを評価し、QoSおよびコストに基づくクラウド選択、およびレーンサイドユニット（RSU）がマイクロデータセンターとして果たす役割を検討する。
• LIDAR、カメラ、GNSSなどのマルチセンサーデータを、CNN、RPN、MRFなどのAI技術と統合し、完全なシーンラベリングと3次元マッピングを実現する。
• 車両がBSM（Basic Safety Messages）およびCAM（Cooperative Awareness Messages）を共有することで、リアルタイムで分散型3次元地図を構築する協調フレームワークを提案する。
• ADシステムにおけるフェイルセーフなソフトウェアコンponents、特に物体検出、センサーフュージョン、パスプランニング、制御システムの検証と信頼性のギャップを強調する。

実験結果

リサーチクエスチョン

• RQ1 車両クラウド（VCs）と自動運転（AD）システムを効果的に統合することで、自律走行車両の状況認識能力と意思決定能力をどのように向上させられるか？
• RQ2 通信、ネットワーキング、セキュリティ、リアルタイム協調制御の分野において、VCとAD技術を統合するにあたり、主な技術的課題は何か？
• RQ3 VCは、認識および計画タスクをオフロードすることで、個々の車両の計算負荷をどの程度軽減できるか？
• RQ4 CNN、SLAM、3次元シーン再構築などの新興AIおよびコンピュータビジョン技術が、VCベースのデータ共有とどのように相乗効果をもたらし、AD性能を向上させるか？
• RQ5 WAVEやDSRCなどの標準化された通信プロトコルと、QoSに配慮したクラウド選択が、信頼性の高い低遅延VC-AD統合を実現するために果たす役割は何か？

主な発見

• VCは、認識および計画タスクを分散型クラウドリソースにオフロードすることで、オンボード計算負荷を顕著に低減でき、スケーラビリティと効率性が向上する。
• 複数のセンサー（LIDAR、カメラ）からのデータと協調的V2Xメッセージングを統合することで、リアルタイムの3次元環境再構築が可能となり、より正確で頑健な認識が実現できる。
• 前方衝突警告（FCW）やブラインドスポット警告（BSW）などの安全が重要なアプリケーションは、V2VおよびV2I通信によって恩恵を受ける。シミュレーションでは事故リスクが最大30％まで低減される。
• VCベースのデータ共有と組み合わせたCNNやRPNなどのAI技術の統合により、特に複雑な都市環境における物体検出とシーン理解が向上する。
• WAVEやDSRCなどの既存規格は成熟しており、2020年までに2億5000万台以上の無線接続車両が導入されると予測されており、スケーラブルなVC-ADエコシステムを支える。
• 進展は見られるが、センサーフュージョン、パスプランニング、制御の分野におけるADシステムのフェイルセーフなソフトウェアコンponentsは依然として未発達であり、厳密な検証が不足しており、深刻な安全リスクを伴う。