[論文レビュー] OpenCDA:An Open Cooperative Driving Automation Framework Integrated with Co-Simulation

Runsheng Xu, Yi Guo+4 more|arXiv (Cornell University)|Jul 13, 2021

Traffic control and management参考文献 28被引用数 6

ひとこと要約

OpenCDA は、CARLA と SUMO を統合したオープンソースの共同シミュレーションフレームワークであり、協調ドライブ自動化（CDA）システムのエンドツーエンドシミュレーションを可能にする。モジュラーでフルスタックのプラットフォームを提供し、ベンチマーク済みのアルゴリズムとシナリオを備えており、研究者が簡単にコンponentを置き換えたり、新しい CDA アルゴリズムを評価したりできる。プラトーニングや合流の応用において、明確な安全性と効率性の向上が確認された。

ABSTRACT

Although Cooperative Driving Automation (CDA) has attracted considerable attention in recent years, there remain numerous open challenges in this field. The gap between existing simulation platforms that mainly concentrate on single-vehicle intelligence and CDA development is one of the critical barriers, as it inhibits researchers from validating and comparing different CDA algorithms conveniently. To this end, we propose OpenCDA, a generalized framework and tool for developing and testing CDA systems. Specifically, OpenCDA is composed of three major components: a co-simulation platform with simulators of different purposes and resolutions, a full-stack cooperative driving system, and a scenario manager. Through the interactions of these three components, our framework offers a straightforward way for researchers to test different CDA algorithms at both levels of traffic and individual autonomy. More importantly, OpenCDA is highly modularized and installed with benchmark algorithms and test cases. Users can conveniently replace any default module with customized algorithms and use other default modules of the CDA platform to perform evaluations of the effectiveness of new functionalities in enhancing the overall CDA performance. An example of platooning implementation is used to illustrate the framework's capability for CDA research. The codes of OpenCDA are available in the https://github.com/ucla-mobility/OpenCDA.

研究の動機と目的

• 協調ドライブ自動化（CDA）研究のための統合的でオープンソースのシミュレーションプラットフォームの不足に対処する。
• 単一車両の自律走行シミュレータとマルチエージェント CDA システムの間のギャップを埋める。
• 研究者が CDA アルゴリズムを効率的にプロトタイプ作成、テスト、比較できる柔軟でモジュラーなフレームワークを提供する。
• 標準化されたシナリオ、評価指標、リファレンス実装を用いて CDA アルゴリズムのベンチマークを可能にする。
• 追加のシミュレータ（例：ns-3、CARSim）との統合をサポートし、コアモジュールのカスタマイズを可能にする拡張性を提供する。

提案手法

• 高精度な車両およびシーンシミュレーションのための CARLA と、大規模な交通フローおよび道路ネットワークモデリングのための SUMO を統合する。
• Python で実装されたフルスタック CDA ソフトウェアパイプライン（認識、位置決定、計画、制御、V2X通信モジュールを含む）。
• デフォルトのアルゴリズムをユーザー定義のものに簡単に差し替え可能な、プラグアンドプレイ可能なモジュラーアーキテクチャを設計する。
• 事前定義済みのベンチマークシナリオ（例：プラトーニング、合流）とカスタムシナリオ作成用の API を備えたシナリオマネージャーを開発する。
• 共同シミュレーションを用いて、車両のダイナミクス、交通フロー、通信行動をシミュレータ間で同期する。
• V2X 通信モデリング用の外部シミュレータ（例：ns-3）や高精度な車両ダイナミクス用の CARSim との相互運用性をサポートする。

Figure 1 : The overall architecture design of OpenCDA.The full-stack software of the designed cooperative driving system interacts with simulation tools to test the system performance in provided scenarios

実験結果

リサーチクエスチョン

• RQ1 個々の車両の自律走行と協調ドライブ自動化の両方をサポートする統合されたシミュレーションフレームワークをどのように設計できるか？
• RQ2 CDA シミュレーションプラットフォームにおけるモularity が、効率的なアルゴリズムの置き換えと性能比較をどの程度可能にするか？
• RQ3 異なる合流戦略（例：ヒューリスティック法対 GFS）が、協調プラトーニングシナリオにおける安全性と効率性に与える影響は何か？
• RQ4 フルスタックでオープンソースの CDA シミュレーションプラットフォームは、プラトーニングや合流といったベンチマークシナリオで安定的かつ安全な性能を達成できるか？
• RQ5 マルチシミュレータ CDA 共同シミュレーション環境において、拡張性と相互運用性を実現するための主要な設計原則は何か？

主な発見

• プラトーニングアルゴリズムは、動的変化するリード車両の挙動下でも 0.6 秒の時間ギャップを安定して維持し、システムの安定性と安全性を示した。
• 協調合流シナリオにおいて、GFS を用いた合流戦略は 0.6 秒を超える安全な時間ギャップを維持したが、ヒューリスティック法では 0.2 秒未満に低下し、顕著な安全リスクを示した。
• GFS を用いた合流手法は 9.9 秒で合流を完了したのに対し、ヒューリスティック法は 13.1 秒を要し、効率性の向上が確認された。
• フレームワークにより、1行のコード変更でコアモジュール（例：合流論理）の置き換えがシームレスに可能であり、システムの機能性と正確性を保持した。
• OpenCDA に搭載されたベンチマーク済みのアルゴリズムは、多様なシナリオにおいて信頼性の高い性能を示し、フル CDA ソフトウェアパイプラインの完全性と正しさを検証した。
• OpenCDA は、異種シミュレータ（CARLA、SUMO、および拡張可能な V2X シミュレータ）のリアルタイム共同シミュレーションをサポートしており、スケーラブルかつ現実的な CDA テストを可能にした。

Figure 2 : Simplified class diagram of platooning. Note we only exhibits partial design here.