[論文レビュー] Trajectory Planning for Connected and Automated Vehicles at Isolated Signalized Intersections under Mixed Traffic Environment

Chengyuan Ma, Chunhui Yu+1 more|arXiv (Cornell University)|Feb 6, 2021

Traffic control and management参考文献 31被引用数 5

ひとこと要約

本稿では、人間運転車両（CHVs）と連結自動運転車両（CAVs）が混在する交通環境下における分離信号交差点におけるCAVsの経路計画のため、分散型二段階最適化フレームワークを提案する。Lane-Changing Strategy Tree（LCST）とParallel Monte-Carlo Tree Search（PMCTS）を用い、遅延、燃料消費量、車線変更コストを最小化するように、縦方向の加速度と横方向の車線変更意思決定を統合的に最適化する。ベンチマークケースと比較して、著しく高い効率性と燃料効率の向上が示された。

ABSTRACT

Trajectory planning for connected and automated vehicles (CAVs) has the potential to improve operational efficiency and vehicle fuel economy in traffic systems. Despite abundant studies in this research area, most of them only consider trajectory planning in the longitudinal dimension or assume the fully CAV environment. This study proposes an approach to the decentralized planning of CAV trajectories at an isolated signalized intersection under the mixed traffic environment, which consists of connected and human-driven vehicles (CHVs) and CAVs. A bi-level optimization model is formulated based on discrete time to optimize the trajectory of a single CAV in both the longitudinal and lateral dimensions given signal timings and the trajectory information of surrounding vehicles. The upper-level model optimizes lateral lane-changing strategies. The lower-level model optimizes longitudinal acceleration profiles based on the lane-changing strategies from the upper-level model. Minimization of vehicle delay, fuel consumption, and lane-changing costs are considered in the objective functions. A Lane-Changing Strategy Tree (LCST) and a Parallel Monte-Carlo Tree Search (PMCTS) algorithm are designed to solve the bi-level optimization model. CAV trajectories are planned one by one according to their distance to the stop bar. A rolling horizon scheme is applied for the dynamic implementation of the proposed model with time-varying traffic condition. Numerical studies validate the advantages of the proposed trajectory planning model compared with the benchmark cases without CAV trajectory planning.

研究の動機と目的

• 人間運転車両（CHVs）と連結自動運転車両（CAVs）が混在する交通環境におけるCAVsの経路計画のギャップを解消すること。
• 分離信号交差点における縦方向および横方向の車両移動を最適化する分散型経路計画アプローチを開発すること。
• 統合的経路最適化を通じて、車両の遅延、燃料消費量、車線変更コストを最小化すること。
• ローリングホライズン方式を用いて、時間変動する交通状況に動的に適応できること。

提案手法

• 離散的な時間ステップを用いた二段階最適化モデルを定式化し、CAVsの縦方向および横方向の経路計画を実施する。
• 上位レベルのモデルは、信号タイミングおよび周辺車両の経路に基づいて最適な横方向の車線変更戦略を決定する。
• 下位レベルのモデルは、選択された車線変更戦略に基づいて最適な縦方向の加速度プロファイルを計算する。
• 可能な車線変更オプションを体系的かつ網羅的に探索するため、Lane-Changing Strategy Tree（LCST）を採用する。
• 高次元最適化問題を効率的に解くために、Parallel Monte-Carlo Tree Search（PMCTS）アルゴリズムを用いる。
• 時間変動する交通状況下でもリアルタイムで動的実装が可能となるよう、ローリングホライズン方式を適用する。

実験結果

リサーチクエスチョン

• RQ1 人間運転車両と共同して道路を走行するCAVsが、分離信号交差点で最適に調整される方法は何か？
• RQ2 縦方向および横方向の経路最適化を統合することで、混合交通環境における交通効率と燃料効率にどのような影響を与えるか？
• RQ3 時間変動する交通状況下で、分散型経路計画を効果的に実装する方法は何か？
• RQ4 信号交差点における遅延と燃料消費を最小化するために、車線変更意思決定が果たす役割は何か？
• RQ5 提案手法は、CAVsの経路計画を実施しないベースライン戦略と比較して、どのように異なるか？

主な発見

• 提案された経路計画モデルは、CAVsの経路計画を実施しないベンチマークケースと比較して、著しく車両の遅延を低減した。
• 最適化された加速度プロファイルと停止・再加速の減少により、燃料消費量が顕著に低下した。
• LCSTおよびPMCTSによる車線変更戦略の統合により、交差点における全体の交通流れと連携が向上した。
• ローリングホライズン実装により、リアルタイムでの時間変動する交通状況への適応性が確保された。
• 数値実験により、モデルが混合交通環境における運用効率およびエネルギー効率の向上に有効であることが確認された。