[論文レビュー] SmartShuttle: Model Based Design and Evaluation of Automated On-Demand Shuttles for Solving the First-Mile and Last-Mile Problem in a Smart City

Şükrü Yaren Gelbal, Bilin Aksun Güvenç+1 more|arXiv (Cornell University)|Dec 23, 2020

Autonomous Vehicle Technology and Safety参考文献 40被引用数 4

ひとこと要約

本論文では、スマートシティにおけるファーストマイルおよびラストマイル移動課題を解決することを目的とした、モデルベースのフレームワーク「SmartShuttle」を提示する。GPSおよびマップマッチングによる局所化、ハードウェアインザループ（HIL）シミュレーション、およびスケーラブルな自動運転アーキテクチャを統合し、地理的境界で囲まれた環境におけるデータ収集およびライダーマッピングを通じて検証された。プロジェクトの成果物として、オープンデータセットが共有された。

ABSTRACT

The final project report for the SmartShuttle sub-project of the Ohio State University is presented in this report. This has been a two year project where the unified, scalable and replicable automated driving architecture introduced by the Automated Driving Lab of the Ohio State University has been further developed, replicated in different vehicles and scaled between different vehicle sizes. A limited scale demonstration was also conducted during the first year of the project. The architecture used was further developed in the second project year including parameter space based low level controller design, perception methods and data collection. Perception sensor and other relevant vehicle data were collected in the second project year. Our approach changed to using soft AVs in a hardware-in-the-loop simulation environment for proof-of-concept testing. Our second year work also had a change of localization from GPS and lidar based SLAM to GPS and map matching using a previously constructed lidar map in a geo-fenced area. An example lidar map was also created. Perception sensor and other collected data and an example lidar map are shared as datasets as further outcomes of the project.

研究の動機と目的

• 都市環境におけるオンデマンドシャトル用に、統合的でスケーラブルかつ再現可能な自動運転アーキテクチャを構築すること。
• スマートシティにおけるファーストマイルおよびラストマイル移動課題を、自動化されたオンデマンドシャトルサービスによって解決すること。
• 事前に構築されたライダーマップを用いて、ライダーベースのSLAMからGPSとマップマッチングに置き換えることで、局所化の精度を向上させること。
• 地理的境界で囲まれた制御された環境での実世界データ収集およびハードウェアインザループ（HIL）シミュレーションを通じて、システムを検証すること。
• 研究の再現性を支援するため、認識センサデータおよびサンプルライダーマップを含むオープンデータセットを生成・共有すること。

提案手法

• オハイオ州立大学で開発された統合的自動運転アーキテクチャを用いたモデルベース設計アプローチを採用した。
• 動的応答性および安定性の向上を目的として、パラメータ空間に基づく低レベルコントローラ設計を実装した。
• システムのトレーニングおよび検証のために、2年目のプロジェクト期間中に認識センサおよび車両データを収集した。
• 完全な自動運転（AV）シミュレーションから、ハードウェアインザループ（HIL）シミュレーション環境におけるソフトウェアAVへの移行により、プロトタイプ検証を実施した。
• ライダーベースのSLAMからGPSとマップマッチングへの置き換えを実施し、事前に構築されたライダーマップを用いた局所化を実現した。
• 高精度な局所化およびナビゲーションを支援する目的で、地理的境界で囲まれた地域のサンプルライダーマップを生成した。

実験結果

リサーチクエスチョン

• RQ1 都市部におけるオンデマンドシャトルサービス向けに、スケーラブルかつ再現可能な自動運転アーキテクチャをどのように設計できるか？
• RQ2 制御された地理的境界で囲まれた環境において、GPSとマップマッチング vs. GPSとライダーベースのSLAM のどちらの局所化手法がより優れた性能を示すか？
• RQ3 ハードウェアインザループ（HIL）シミュレーションは、実世界への導入前に自動シャトルの制御および認識システムを効果的に検証できるか？
• RQ4 認識センサおよび車両データをどのように体系的に収集・共有することで、自動シャトル分野の研究開発を支援できるか？
• RQ5 事前に構築されたライダーマップは、自動シャトルの局所化精度およびシステム信頼性を向上させるために果たす役割は何か？

主な発見

• SmartShuttleシステムは、2年間の開発を経て、さまざまな車両サイズにおいてもスケーラブルな自動運転アーキテクチャを成功裏に実証した。
• ライダーベースのSLAMからGPSとマップマッチングへの移行により、地理的境界で囲まれたテスト環境において、局所化のロバスト性が向上し、計算負荷が低減された。
• ソフトウェアAVを用いたハードウェアインザループ（HIL）シミュレーションにより、制御および認識モジュールの信頼性のあるプロトタイプ検証環境が提供された。
• 高精細なライダーマップが正常に構築され、正確なマップマッチングに基づく局所化を実現した。
• 認識センサおよび車両データが収集され、今後の研究およびシステム検証を支援するオープンデータセットとして共有された。
• 本プロジェクトの成果物であるデータセットおよびアーキテクチャフレームワークは、研究コミュニティによる再現および拡張が可能な形で公開されている。