[論文レビュー] Robust Eco-Driving Control of Autonomous Vehicles Connected to Traffic Lights

Chao Sun, Jacopo Guanetti+2 more|arXiv (Cornell University)|Feb 16, 2018

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

ひとこと要約

本論文は、不確実なタイミング下での交通信号と相互作用する連結・自動運転車両（CAVs）におけるエコドライブ制御のためのデータ駆動型、チャンス制約付きロバスト最適化フレームワークを提案する。有効赤色信号時間（ERD）を確率変数としてモデル化し、実測データを用いてロバストなチャンス制約を定式化することで、最適化手法が最適な速度軌道を生成し、燃料消費を40％削減しながら到着時刻を同等に維持する。本手法はERDの分布に関する事前知識を必要としない。

ABSTRACT

This paper focuses on the speed planning problem for connected and automated vehicles (CAVs) communicating to traffic lights. The uncertainty of traffic signal timing for signalized intersections on the road is considered. The eco-driving problem is formulated as a data-driven chance constrained robust optimization problem. Effective red light duration (ERD) is defined as a random variable, and describes the feasible passing time through the signalized intersections. In practice, the true probability distribution for ERD is usually unknown. Consequently, a data-driven approach is adopted to formulate chance constraints based on empirical sample data. This incorporates robustness into the eco-driving control problem with respect to uncertain signal timing. Dynamic programming (DP) is employed to solve the optimization problem. Simulation results demonstrate that the proposed method can generate optimal speed reference trajectories with 40% less vehicle fuel consumption, while maintaining the arrival time at a similar level when compared to a modified intelligent driver model (IDM). The proposed control approach significantly improves the controller robustness in the face of uncertain signal timing, without requiring to know the distribution of the random variable a priori.

研究の動機と目的

• 連結・自動運転車両（CAVs）におけるエコドライブ制御の分野で、交通信号のタイミングが不確実な状況に対処すること。
• 信号タイミングの不確実性の確率分布が未知である場合でも、性能を維持できるロバスト制御フレームワークを開発すること。
• 最適な速度計画を通じて燃料消費を最小限に抑えつつ、交差点への到着時刻を確保すること。
• 最適化プロセスにおいて、有効赤色信号時間（ERD）の真の分布に関する事前知識を排除すること。

提案手法

• 信号タイミングの不確実性に対処するため、データ駆動型チャンス制約付きロバスト最適化問題としてエコドライブ問題を定式化する。
• 信号交差点通過可能な時間帯を表す確率変数として、有効赤色信号時間（ERD）を導入する。
• 実測サンプルデータを用いてチャンス制約を構築し、ERDの真の分布を必要とせずにロバスト性を確保する。
• 動的計画法（DP）を用いて得られた最適化問題を解き、最適な速度リファレンス軌道を生成する。
• 観測データから累積分布関数を近似するデータ駆動型アプローチを採用し、ERDの分布に対するロバスト性を向上させる。
• リアルタイムの信号通信を統合することで、燃料効率とスケジュール準拠の両立を実現する予測型速度計画を可能にする。

実験結果

リサーチクエスチョン

• RQ1 信号タイミングの分布に関する事前知識がなくとも、信号タイミングの不確実性に対してエコドライブ制御をどのようにしてロバストに保証できるか？
• RQ2 有効赤色信号時間（ERD）を確率変数としてモデル化することで、燃料消費と到着時刻の一貫性にどのような影響を与えるか？
• RQ3 データ駆動型チャンス制約付き最適化アプローチは、交差点通過のタイムリーさを維持しつつ、燃料消費をどの程度削減できるか？
• RQ4 従来のモデル（例：修正版IDM）と比較して、本手法は不確実性下で燃料効率とロバスト性の両面でどのように優れているか？
• RQ5 動的計画法は、連結車両におけるリアルタイム速度計画のためのロバスト最適化問題を効果的に解けるか？

主な発見

• 提案手法は、修正版インテリジェントドライバー・モデル（IDM）と比較して、車両の燃料消費を40％削減し、顕著な燃料効率の向上を示した。
• 制御器は、修正版IDMと同等のレベルで交差点への到着時刻を維持しており、不確実性下でも良好なスケジュール準拠性を示した。
• 有効赤色信号時間（ERD）の真の確率分布に関する事前知識がなくても、本手法はロバストな性能を達成した。
• 実測データを用いてチャンス制約を定式化することで、信号タイミングの変動に対するシステムのロバスト性が向上した。
• シミュレーション結果から、本手法が不確実性下でも燃料効率と交差点通過のタイムリーさの両立を効果的に実現できることを確認した。
• 動的計画法により、燃料最小化とタイミング制約の両方を満たす最適な速度軌道が的確に計算された。