[論文レビュー] Leveraging Vehicle Connectivity and Autonomy to Stabilize Flow in Mixed Traffic Conditions: Accounting for Human-driven Vehicle Driver Behavioral Heterogeneity and Perception-reaction Time Delay

Yujie Li, Sikai Chen+4 more|arXiv (Cornell University)|Aug 10, 2020

Traffic control and management参考文献 41被引用数 23

ひとこと要約

本稿では、人間運転車両（HDV）ドライバーの行動の多様性と認識・反応時間遅延を考慮することで、混在交通流の安定化を図る連結型・自動運転車両（CAV）コントローラーを提案する。このコントローラーはフェイク・ジャムの発生を低減し、安全性を向上させるが、HDVの不確実性をモデル化した場合、その安定化能力が著しく低下することが示され、CAV設計にこのようなダイナミクスを組み込む必要性が浮き彫りになる。

ABSTRACT

The erratic nature of human driving tends to trigger undesired waves that amplify as successive driver reactions propagate from the errant vehicle to vehicles upstream. Known as phantom jams, this phenomenon has been identified in the literature as one of the main causes of traffic congestion. This paper is based on the premise that vehicle automation and connectivity can help mitigate such jams. In the paper, we design a controller for use in a connected and autonomous vehicle (CAV) to stabilize the flow of human-driven vehicles (HDVs) that are upstream of the CAV, and consequently to lower collision risk in the upstream traffic environment. In modeling the HDV dynamics in the mixed traffic stream, we duly consider HDV driver heterogeneity and the time delays associated with their perception reaction time. We can find that the maximum number of HDVs that a CAV can stabilize is lower when human drivers potential time delay and heterogeneity are considered, compared to the scenario where such are not considered. This result suggests that heterogeneity and time delay in HDV behavior impairs the CAVs capability to stabilize traffic. Therefore, in designing CAV controllers for traffic stabilization, it is essential to consider such uncertainty-related conditions. In our demonstration, we also show that the designed controller can significantly improve both the stability of the mixed traffic stream and the safety of both CAVs and HDVs in the stream. The results are useful for real-time calibration of the model parameters that characterize HDV movements in the mixed stream.

研究の動機と目的

• 人間運転車両（HDV）の行動の多様性と認識・反応時間遅延による交通流の不安定化要因に対処すること。
• 混在交通状況下で上流のHDV交通流を安定化できる連結型・自動運転車両（CAV）コントローラーを設計すること。
• HDVの不確実性が、CAVが安定化できる最大HDV台数に与える影響を定量化すること。
• CAVベースの交通安定化コントローラーの有効性が、混在交通流において安定性と安全性をどのように向上させるかを示すこと。

提案手法

• ドライバー固有の認識・反応時間遅延と行動の多様性を組み込んだ、車両追従フレームワークを用いてHDVのダイナミクスをモデル化する。
• フィードバック制御の原則に基づき、上流のHDVの擾乱に応じて間隔と速度を制御するCAVコントローラーを設計する。
• 線形化安定性解析を用いて、HDVの不確実性がシステムの安定性マージンに与える影響を評価する。
• HDVの多様性と遅延のレベルを変化させた混在交通シナリオをシミュレーションし、コントローラーの性能を評価する。
• 実時間データを用いてモデルパラメータをキャリブレーションし、HDV行動をより正確に表現する。
• 異なる不確実性条件下での比較シミュレーションを通じて、コントローラーの有効性を検証する。

実験結果

リサーチクエスチョン

• RQ1 ドライバーの行動の多様性は、CAVが上流交通流を安定化できる能力にどのように影響するか？
• RQ2 HDVにおける認識・反応時間遅延の影響は、CAVが安定化可能な最大車両数にどのような影響を及ぼすか？
• RQ3 HDVの不確実性を組み込むことで、CAVベースの交通安定化コントローラーの性能はどのように変化するか？
• RQ4 提案されたコントローラーは、混在交通流において安定性と安全性をどの程度向上できるか？
• RQ5 現実のHDVダイナミクスを反映するために、リアルタイムでキャリブレーションが必要な主要なモデルパラメータは何か？

主な発見

• 認識・反応時間遅延と行動の多様性を考慮した場合、理想化されたシナリオと比較して、CAVが安定化できるHDVの最大台数は著しく低下する。
• HDVの不確実性を組み込むことで、CAVの安定化能力が低下する。これは、現実のドライバーのばらつきが制御戦略の有効性を制限することを示唆している。
• 提案されたコントローラーは、混在交通環境において交通流の安定性を向上させるとともに、衝突リスクを低減するのに成功している。
• 高いレベルのHDVの多様性と遅延に対しても、コントローラーは安定性を維持できるが、能力は低下する。
• 動的交通状況における正確な表現と効果的な制御のためには、HDVモデルパラメータのリアルタイムキャリブレーションが不可欠である。