[論文レビュー] Using Empirical Trajectory Data to Design Connected Autonomous Vehicle Controllers for Traffic Stabilization

Yujie Li, Sikai Chen+4 more|arXiv (Cornell University)|Oct 11, 2020

Traffic control and management被引用数 13

ひとこと要約

本稿では、NGSIMデータセットからの実測軌道データを用いて、混在交通状況における交通流の安定化を図る、リアルタイムでデータ駆動型の制御アーキテクチャを提案する。個々の運転手が運転する車両（HDV）の行動に合わせて微視的交通流モデルをキャリブレーションし、CAVの制御器を動的に適応させることで、停止・再加速波の伝播を顕著に低減し、混在交通環境における交通の安定性と安全性を向上させる。

ABSTRACT

Emerging transportation technologies offer unprecedented opportunities to improve the efficiency of the transportation system from the perspectives of energy consumption, congestion, and emissions. One of these technologies is connected and autonomous vehicles (CAVs). With the prospective duality of operations of CAVs and human driven vehicles in the same roadway space (also referred to as a mixed stream), CAVs are expected to address a variety of traffic problems particularly those that are either caused or exacerbated by the heterogeneous nature of human driving. In efforts to realize such specific benefits of CAVs in mixed-stream traffic, it is essential to understand and simulate the behavior of human drivers in such environments, and microscopic traffic flow (MTF) models can be used to carry out this task. By helping to comprehend the fundamental dynamics of traffic flow, MTF models serve as a powerful approach to assess the impacts of such flow in terms of safety, stability, and efficiency. In this paper, we seek to calibrate MTF models based on empirical trajectory data as basis of not only understanding traffic dynamics such as traffic instabilities, but ultimately using CAVs to mitigate stop-and-go wave propagation. The paper therefore duly considers the heterogeneity and uncertainty associated with human driving behavior in order to calibrate the dynamics of each HDV. Also, the paper designs the CAV controllers based on the microscopic HDV models that are calibrated in real time. The data for the calibration is from the Next Generation SIMulation (NGSIM) trajectory datasets. The results are encouraging, as they indicate the efficacy of the designed controller to significantly improve not only the stability of the mixed traffic stream but also the safety of both CAVs and HDVs in the traffic stream.

研究の動機と目的

• 混在交通環境における多様な運転行動に起因する交通の不安定性を是正すること。
• 混在交通流における停止・再加速波の伝播を低減する、リアルタイムで適応可能なCAV制御器の開発。
• NGSIMデータセットの実測軌道データを用いて個々のHDVのダイナミクスをキャリブレーションし、正確な微視的交通モデルを構築すること。
• キャリブレーション済みHDVモデルを統合した動的CAV制御フレームワークを構築し、安全性と安定性を向上させること。

提案手法

• NGSIMデータセットの実測軌道データを用いて、個々の運転手が運転する車両（HDV）のダイナミクスをキャリブレーションし、多様な運転行動を捉えること。
• 時間的に変化するパラメータを有する微視的交通流（MTF）モデルを構築し、現実の運転変動性を反映した個々のHDV行動を表現すること。
• キャリブレーション済みHDVモデルのリアルタイム更新に基づいて、交通状況の変化に適応するためのコネクテッド自動運転車両（CAV）制御器を設計すること。
• リアルタイムでのHDVダイナミクス推定値を用いたフィードバック制御戦略を実装し、交通波の成長を抑制し、流れを安定化させること。
• 軌道データから抽出された交通不安定性指標に応じて、動的制御ゲインを調整するメカニズムを導入すること。
• NGSIMデータを用いたシミュレーションで制御器を検証し、安定性および安全性指標に基づく性能を評価すること。

実験結果

リサーチクエスチョン

• RQ1 実測軌道データをどのように活用すれば、混在交通状況における個々の運転手が運転する車両の多様な行動を正確にモデル化できるか？
• RQ2 リアルタイムでのHDVモデルキャリブレーションが、交通流の安定化に寄与するCAV制御器の性能に与える影響は何か？
• RQ3 データ駆動型CAV制御器は、混在交通シナリオにおいて停止・再加速波の伝播をどの程度低減できるか？
• RQ4 リアルタイムでのHDVモデリングに基づくCAV制御器パrameterの動的適応が、交通の安定性と安全性をどのように向上させるか？
• RQ5 提案手法の制御器を用いることで、ベースライン戦略に比べて交通の安定性と安全性にどの程度の定量的改善が得られるか？

主な発見

• 提案された制御器は、混在交通シミュレーションにおいて、停止・再加速波の振幅と伝播速度を顕著に低減した。
• NGSIM軌道データを用いたHDVダイナミクスのリアルタイムキャリブレーションにより、より正確で迅速なCAV制御戦略が可能になった。
• 交通波の成長を抑制することで、多様な運転行動下でも滑らかな交通流が実現され、交通の安定性が向上した。
• 急ブレーキの低減とスパンスの制御改善により、CAVおよびHDV両方の安全性指標が向上した。
• 個々のドライバーのダイナミクスにリアルタイムで適応することで、運転行動のばらつきに対しても制御器のロバストネスを示した。
• 定量的評価では、移動時間のばらつきが明確に低減され、混在交通シナリオにおけるスループットが向上した。