[論文レビュー] Traffic Control via Connected and Automated Vehicles: An Open-Road Field Experiment with 100 CAVs

Jonathan Lee, Han Wang+62 more|arXiv (Cornell University)|Feb 26, 2024

Traffic control and management被引用数 7

ひとこと要約

本論文は、中央集権的な Speed Planner と分散型 Vehicle Controllers を対になる階層的・モジュール型制御フレームワークを用いて、混合自動運転環境で交通流を滑らかにするため、100 台の CAV を展開する Open-road の現地実験である MegaController/MegaVanderTest を紹介する。

ABSTRACT

The CIRCLES project aims to reduce instabilities in traffic flow, which are naturally occurring phenomena due to human driving behavior. These "phantom jams" or "stop-and-go waves,"are a significant source of wasted energy. Toward this goal, the CIRCLES project designed a control system referred to as the MegaController by the CIRCLES team, that could be deployed in real traffic. Our field experiment leveraged a heterogeneous fleet of 100 longitudinally-controlled vehicles as Lagrangian traffic actuators, each of which ran a controller with the architecture described in this paper. The MegaController is a hierarchical control architecture, which consists of two main layers. The upper layer is called Speed Planner, and is a centralized optimal control algorithm. It assigns speed targets to the vehicles, conveyed through the LTE cellular network. The lower layer is a control layer, running on each vehicle. It performs local actuation by overriding the stock adaptive cruise controller, using the stock on-board sensors. The Speed Planner ingests live data feeds provided by third parties, as well as data from our own control vehicles, and uses both to perform the speed assignment. The architecture of the speed planner allows for modular use of standard control techniques, such as optimal control, model predictive control, kernel methods and others, including Deep RL, model predictive control and explicit controllers. Depending on the vehicle architecture, all onboard sensing data can be accessed by the local controllers, or only some. Control inputs vary across different automakers, with inputs ranging from torque or acceleration requests for some cars, and electronic selection of ACC set points in others. The proposed architecture allows for the combination of all possible settings proposed above. Most configurations were tested throughout the ramp up to the MegaVandertest.

研究の動機と目的

• 人間の運転行動に起因する交通不安定性（ファントムジャム）の低減を動機づける。
• 混合自動運転交通向けのモジュラーで階層的な制御フレームワーク（Speed Planner + Vehicle Controllers）を設計・展開する。
• スケーラブルな制御アーキテクチャ内で異種の車両計測機器とセンサを可能にする。
• 多様な車種/モデルを含む大規模なオープンロード試験における MegaController の実世界性能を評価する。

提案手法

• サーバー側の Speed Planner と車両側の Vehicle Controllers を備えた2層の MegaController アーキテクチャを提案する。
• 異種の車両インターフェースとセンサ能力に対応するモジュラー設計を用いる。
• INRIX と AV ピンデータからのデータ融合を取り入れて交通状態推定を行い、Speed Plans を生成する。
• 加速度ベースおよび ACC ベースの車両コントローラを、安全機構と車線変更復旧機構とともに実装する。
• 宏観的および微視的な交通ダイナミクスをモデル化し、有限の AV フリートを連続記述へ結びつける平均場極限を分析する。
• I-24 上での MegaVanderTest の実験的展開を 100 台の車両とオープンロードデータ収集とともに説明する。

実験結果

リサーチクエスチョン

• RQ1 中央集権的な Speed Planner と分散型 Vehicle Controllers は、オープン highway の混合自動運転交通における停止-発進の波を低減できるか？
• RQ2 異種ソース（INRIX および AV ピン）のデータ融合は、交通状態推定と速度計画にどのような影響を与えるか？
• RQ3 大規模な AV 配備におけるモジュール型・車主多様性を持つ制御フレームワークの設計上の利点と課題は何か？
• RQ4 混合車両群における加速度ベースと ACC ベースの制御の安定性と安全性の考慮事項は何か？
• RQ5 実世界の設定で、宏観的モデルと微視的モデル（ODEs、PDEs、平均場極限）は最適制御にどのように情報を提供できるか？

主な発見

• MegaVanderTest は 2022年11月に 100 台の車両を展開し、交通平滑化を目的とした大規模なオープンロード試験を表している。
• MegaController は中央集権的 Speed Planner と分散型 Vehicle Controllers を統合して流れの改善を調整する。
• このアーキテクチャは、異種の車両プラットフォームにわたるさまざまなコントローラアルゴリズムとセンサインタフェースをサポートする。
• Speed Planner は複数のソースからのデータを融合し、遅延を考慮して交通状態推定と目標速度設計を強化する。
• 車両コントローラは加速度ベースまたは ACC ベースの入力を使用でき、安全ラッパーと車線変更復旧機構を備えて安全性と性能を維持する。
• 本研究はマクロ的な流れ制御アプローチと微視的な車両ダイナミクスを結びつけ、将来の解析のための平均場形式を論じる。