[논문 리뷰] A Game Theory Based Ramp Merging Strategy for Connected and Automated Vehicles in the Mixed Traffic: A Unity-SUMO Integrated Platform

Xishun Liao, Xuanpeng Zhao외 5명|arXiv (Cornell University)|2021. 01. 27.

Transportation and Mobility Innovations참고 문헌 18인용 수 17

한 줄 요약

이 논문은 혼잡한 교통 환경에서 연결형 자율주행차(CAVs)의 게임 이론 기반 램프 병합 전략을 제안하며, 병합 순서와 차량 제어를 최적화하여 안전성과 효율성을 향상시킨다. 게임 엔진과 교통 시뮬레이터를 통합한 새로운 유니티-SUMO 시뮬레이션 플랫폼을 사용하여, 다양한 침투율과 혼잡 수준에서 평균 교통 속도를 최대 110% 향상시키고 연료 소비를 최대 77% 감소시켰다.

ABSTRACT

Ramp merging is considered as one of the major causes of traffic congestion and accidents because of its chaotic nature. With the development of connected and automated vehicle (CAV) technology, cooperative ramp merging has become one of the popular solutions to this problem. In a mixed traffic situation, CAVs will not only interact with each other, but also handle complicated situations with human-driven vehicles involved. In this paper, a game theory-based ramp merging strategy has been developed for the optimal merging coordination of CAVs in the mixed traffic, which determines dynamic merging sequence and corresponding longitudinal/lateral control. This strategy improves the safety and efficiency of the merging process by ensuring a safe inter-vehicle distance among the involved vehicles and harmonizing the speed of CAVs in the traffic stream. To verify the proposed strategy, mixed traffic simulations under different penetration rates and different congestion levels have been carried out on an innovative Unity-SUMO integrated platform, which connects a game engine-based driving simulator with a traffic simulator. This platform allows the human driver to participate in the simulation, and also equip CAVs with more realistic sensing systems. In the traffic flow level simulation test, Unity takes over the sensing and control of all CAVs in the simulation, while SUMO handles the behavior of all legacy vehicles. The results show that the average speed of traffic flow can be increased up to 110%, and the fuel consumption can be reduced up to 77%, respectively.

연구 동기 및 목표

• 혼잡한 램프 병합으로 인한 교통 혼잡과 안전 위험을 해결하기 위해.
• 인간 운전 차량과 협력하는 연결형 자율주행차(CAVs)를 위한 병합 전략을 개발하기 위해.
• 게임 이론 원리를 활용하여 동적 병합 순서 및 종방향/횡방향 제어를 최적화하기 위해.
• 다양한 CAV 침투율과 교통 혼잡 수준에서 전략의 성능을 평가하기 위해.
• 실제 인간의 참여와 센서 모델링이 가능한 새로운 유니티-SUMO 통합 시뮬레이션 플랫폼을 통해 접근 방식을 검증하기 위해.

제안 방법

• 상호차량 간 거리와 속도 조율을 고려하여 CAV 간 최적의 병합 순서를 결정하기 위해 비협력 게임 이론 프레임워크를 수립한다.
• 차량 상태(위치, 속도, 병합 예상 시간 등)를 기반으로 동적 병합 순서를 계산한다.
• 안전한 차량 간 거리 유지와 부드러운 병합 경로를 확보하기 위해 종방향 및 횡방향 제어를 조율한다.
• 유니티(Unity)의 게임 엔진을 활용해 CAV의 감지 및 제어 기능과, SUMO의 마이크로스코픽 교통 시뮬레이터를 활용해 기존 차량의 행동을 통합한 유니티-SUMO 플랫폼을 구축한다.
• 유니티를 통해 인간 운전자가 시뮬레이션에 통합되어 혼잡한 교통 환경에서 CAV와의 현실적인 상호작용을 구현한다.
• 센서 제한성과 환경 동적 변화를 고려한 현실적인 CAV 인식 모델을 지원한다.

실험 결과

연구 질문

• RQ1 게임 이론은 혼잡한 교통 환경에서 인간 운전 차량이 포함된 CAV 간 최적의 병합 순서를 어떻게 조율할 수 있는가?
• RQ2 CAV 침투율이 변화할 경우 병합 효율성과 교통 흐름 성능에 어떤 영향을 미치는가?
• RQ3 다양한 혼잡 수준에서 제안된 전략은 평균 교통 속도와 연료 소비에 어떤 영향을 미치는가?
• RQ4 유니티-SUMO 플랫폼은 CAV 램프 병합에서 인간의 참여 상호작용을 어느 정도 현실적으로 시뮬레이션할 수 있는가?
• RQ5 게임 엔진 기반 제어와 교통 시뮬레이션의 통합은 CAV 성능 평가의 정밀도와 타당성을 향상시킬 수 있는가?

주요 결과

• 제안된 전략은 협력 없이 병합하는 기준 시나리오 대비 평균 교통 흐름 속도를 최대 110% 향상시켰다.
• 최적의 병합 조율 조건에서 연료 소비가 최대 77% 감소하여 환경적·운영적 이점이 뚜렷하게 드러났다.
• 전략은 안전한 차량 간 거리를 유지하고 병합의 부드러움을 향상시켜 사고 위험을 감소시켰다.
• 다양한 CAV 침투율과 혼잡 수준에서 성능 향상이 일관되게 유지되어 전략의 강건성을 입증했다.
• 유니티-SUMO 플랫폼은 인간 운전자의 행동과 CAV의 감지 기능을 현실적으로 시뮬레이션하여 접근 방식의 실용적 타당성을 검증했다.