[論文レビュー] Lookup Table-Based Consensus Algorithm for Real-Time Longitudinal Motion Control of Connected and Automated Vehicles

Ziran Wang, Kyungtae Han+3 more|arXiv (Cornell University)|Feb 20, 2019

Distributed Control Multi-Agent Systems参考文献 18被引用数 8

ひとこと要約

本稿では、初期車両状態に基づいて制御ゲインを動的に最適化するルックアップテーブルベースのコンSENSUSアルゴリズムを提案し、連結自動運転車両（CAVs）のリアルタイムな縦方向制御を実現する。事前に計算された最適ゲインを保持するルックアップテーブルを用いることで、4つの異なるシナリオにおいて、固定ゲインおよび線形フィードバック手法と比較して収束時間を短縮し、最大ジャーキングを低減する。

ABSTRACT

Connected and automated vehicle (CAV) technology is one of the promising solutions to addressing the safety, mobility and sustainability issues of our current transportation systems. Specifically, the control algorithm plays an important role in a CAV system, since it executes the commands generated by former steps, such as communication, perception, and planning. In this study, we propose a consensus algorithm to control the longitudinal motion of CAVs in real time. Different from previous studies in this field where control gains of the consensus algorithm are pre-determined and fixed, we develop algorithms to build up a lookup table, searching for the ideal control gains with respect to different initial conditions of CAVs in real time. Numerical simulation shows that, the proposed lookup table-based consensus algorithm outperforms the authors' previous work, as well as van Arem's linear feedback-based longitudinal motion control algorithm in all four different scenarios with various initial conditions of CAVs, in terms of convergence time and maximum jerk of the simulation run.

研究の動機と目的

• 既存のコンセンサスアルゴリズムがCAVの縦方向制御に固定で事前に決定された制御ゲインを使用するという限界を是正すること。
• 多様な初期条件のもとで収束速度および快適性（ジャーキングで測定）という観点から、リアルタイム性能を向上させること。
• 現在の車両状態に基づいて最適ゲインを選択する動的で適応的な制御戦略を構築すること。
• 連結自動運転車両システムにおけるコンセンサスベース制御の実用的導入を可能にすること。

提案手法

• CAVの相対的な初期位置および速度のさまざまな組み合わせに対して最適な制御ゲインを事前に計算し、ルックアップテーブルに格納する。
• 車両列のリアルタイムな初期状態に応じて、ルックアップテーブルから制御ゲインを動的に選択する。
• コンセンサス制御フレームワークは分散型であり、各車両が隣接車両との相対的距離および速度に基づいて加速度を調整する。
• 収束時間と最大ジャーキングを最小化するように、数値シミュレーションを用いて事前に最適化された制御ゲインを決定する。
• 固定ゲイン設計に代えて適応的ゲイン選択を導入することで、多様な初期条件におけるロバストネスを向上させる。
• 4つの異なる初期条件シナリオにおける数値シミュレーションを通じて、アルゴリズムの妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 ルックアップテーブルによる動的ゲイン選択は、CAVの縦方向制御における収束時間にどのように影響を与えるか？
• RQ2 ルックアップテーブルベースのコンセンサスアルゴリズムは、快適性および収束時間という観点で、固定ゲインおよび線形フィードバック制御を上回ることができるか？
• RQ3 相対的な初期位置および速度の変動が、CAV列車の制御性能に与える影響は何か？
• RQ4 提案手法は、従来の手法と比較して、多様な初期条件のもとでも安定性と性能をどのように維持するか？

主な発見

• ルックアップテーブルベースのコンセンサスアルゴリズムは、4つのテストシナリオすべてにおいて、著者らの以前の固定ゲイン手法およびvan Aremの線形フィードバック制御よりも収束が速い。
• 最大ジャーキングが顕著に低減されており、これは快適性の向上を示している。これは、ベースラインの線形フィードバックおよび従来の固定ゲインアプローチと比較して顕著である。
• 本アルゴリズムは、大規模な間隔や速度差を含む多様な初期条件においても、ロバストな性能を示している。
• ルックアップテーブルにより、制御ゲインのリアルタイムな適応が可能となり、動的かつ列車状態における応答性と安定性が向上している。