[논문 리뷰] A Cooperation-Aware Lane Change Method for Autonomous Vehicles

Zihao Sheng, Lin Liu외 4명|arXiv (Cornell University)|2022. 01. 26.

Traffic control and management인용 수 6

한 줄 요약

이 논문은 상호작용 예측과 모델 예측 제어(MPC)를 통합하여 보수성을 감소시키고 주행 효율성을 향상시키기 위해 협업 인식 주행 차선 변경 방법을 제안한다. 주변 차량이 차선 변경 중에 협업할 가능성을 예측하고 이를 의사결정 및 운동 계획에 통합함으로써, 비협업 기반 대비 자동차의 효율성을 14.8% 향상시키고 주변 차량의 효율성을 2.6% 향상시킨다.

ABSTRACT

Lane change for autonomous vehicles (AVs) is an important but challenging task in complex dynamic traffic environments. Due to difficulties in guarantee safety as well as a high efficiency, AVs are inclined to choose relatively conservative strategies for lane change. To avoid the conservatism, this paper presents a cooperation-aware lane change method utilizing interactions between vehicles. We first propose an interactive trajectory prediction method to explore possible cooperations between an AV and the others. Further, an evaluation is designed to make a decision on lane change, in which safety, efficiency and comfort are taken into consideration. Thereafter, we propose a motion planning algorithm based on model predictive control (MPC), which incorporates AV's decision and surrounding vehicles' interactive behaviors into constraints so as to avoid collisions during lane change. Quantitative testing results show that compared with the methods without an interactive prediction, our method enhances driving efficiencies of the AV and other vehicles by 14.8$\%$ and 2.6$\%$ respectively, which indicates that a proper utilization of vehicle interactions can effectively reduce the conservatism of the AV and promote the cooperation between the AV and others.

연구 동기 및 목표

• 동적 교통 환경에서 자율 주행 차량의 차선 변경 의사결정의 보수성을 줄이기 위해.
• 자신 차량과 주변 차량 간의 상호작용을 모델링하여 주행 효율성과 안전성을 향상시키기 위해.
• 협업 예측을 통한 의사결정 및 운동 계획 통합을 위해.
• 주변 차량의 잠재적 협업 행동을 예측하고 대응함으로써 차량 간 협업을 향상시키기 위해.
• 상호작용 예측과 MPC 기반 계획을 통합한 통합 프레임워크를 통해 안전성, 편안함, 효율성을 확보하기 위해.

제안 방법

• 자신 차량과 주변 차량의 운동 상태 및 의도를 바탕으로 협업 행동 가능성을 예측하는 상호작용 예측 방법을 개발하였다.
• 안전성, 편안함, 효율성을 통합한 비용 함수에 기반한 다기준 의사결정 평가 프레임워크를 설계하였다.
• 모델 예측 제어(MPC)를 운동 계획에 활용하였으며, 주변 차량의 예측 궤적에서 유도된 제약 조건을 통해 충돌 회피 및 협업 행동을 보장하였다.
• 의사결정 및 계획 모듈을 밀접하게 결합하여 선택된 행동과 결과 궤적 간 일관성을 확보하였다.
• 안전하지 않거나 불편하거나 비효율적인 조작을 방지하기 위한 비용 함수를 사용하였으며, 상호보완적 트레이드오프를 균형 있게 조정하기 위해 가중치를 조정하였다.
• 실제 교통 상황에서의 정량적 테스트와 사례 연구를 통해 프레임워크를 검증하였다.

실험 결과

연구 질문

• RQ1 자율 주행 차량은 차선 변경 중 주변 차량의 협업 행동을 어떻게 예측할 수 있는가?
• RQ2 안전성, 효율성, 편안함을 균형 있게 유지할 수 있는 의사결정 프레임워크는 무엇인가?
• RQ3 의사결정과 운동 계획을 어떻게 조율하여 갈등을 방지하고 협업을 보장할 수 있는가?
• RQ4 상호작용 예측을 통합함으로써 주행 효율성은 얼마나 향상되고 보수성은 얼마나 감소하는가?
• RQ5 실제 교통 상황에서 제안된 방법은 비협업 기반 대비 어떻게 비교되는가?

주요 결과

• 제안된 방법은 상호작용 예측이 없는 방법 대비 자동차의 주행 효율성을 14.8% 향상시켰다.
• 주변 차량은 향상된 협업 덕분에 평균 2.6%의 주행 효율 향상을 경험하였다.
• 안전성, 편안함, 효율성 비용을 평가하여 최적의 차선 변경 행동—좌측 차선 변경과 가속—을 성공적으로 식별하고 선택하였다.
• 상호작용 궤적 예측은 자동차가 협업에 유리한 조건을 사전에 조성함으로써 보수적 행동을 감소시켰다.
• MPC 기반 궤적 계획은 안정적이고 안전하며 제어 노력이 적은 부드러운 조작을 보장하였으며, 예측된 협업 행동과 일관성을 유지하였다.
• 사례 연구에서는 다수의 후보가 안전해 보일 수 있음에도 불구하고, 충돌을 피하고 총 비용이 낮은 결론을 선택하는 데 성공하였다.