[논문 리뷰] Combining Social Force Model with Model Predictive Control for Vehicle's Longitudinal Speed Regulation in Pedestrian-Dense Scenarios

Dongfang Yang, Ümi̇t Özgüner|arXiv (Cornell University)|2019. 07. 11.

Traffic control and management참고 문헌 8인용 수 4

한 줄 요약

이 논문은 보행자 밀도가 높은 상황에서 자율주행차의 속도를 조절하기 위해 모델 예측 제어(MPC) 전략과 사회력 기반 차량-보행자 상호작용(VCI) 모델을 결합한 방법을 제안한다. 보행자 운동을 예측하고 안전성 및 속도 목표를 고려한 이차형 프로그래밍(QP) 최적화 문제를 설정함으로써, 기존 PID 제어 대비 더 안전하고 빠른 주행이 가능해지며, 특히 밀도가 높은 보행자 집단에서 평균 1.27초 빠른 완료 시간을 기록한다.

ABSTRACT

In pedestrian-dense traffic scenarios, an autonomous vehicle may have to safely drive through a crowd of pedestrians while the vehicle tries to keep the desired speed as much as possible. This requires a model that can predict the motion of crowd pedestrians and a method for the vehicle to predictively adjust its speed. In this study, the model-based predictive control (MPC) was combined with a social-force based vehicle-crowd interaction (VCI) model to regulate the longitudinal speed of the autonomous vehicle. The predictive feature of the VCI model can be precisely utilized by the MPC. A criterion for simultaneously guaranteeing pedestrian safety and keeping the desired speed was designed, and consequently, the MPC was formulated as a standard quadratic programming (QP) problem, which can be easily solved by standard QP toolbox. The proposed approach was compared with the traditional proportional-integral-derivative (PID) control approach for regulating longitudinal speed. Scenarios of different pedestrian density were evaluated in simulation. The results demonstrated the merits of the proposed method to address this type of problem. It also shows the potential of extending the method to address more complex vehicle-pedestrian interaction situations.

연구 동기 및 목표

• 신호등이 없는 보행자 밀도가 높은 환경에서 안전성과 목표 속도를 균형 잡는 자율주행차 종방향 속도 조절 과제를 해결하기 위해.
• 예측 능력과 보행자 운동 모델링을 통합함으로써 기존 PID 제어를 향상시키기 위해.
• 차량-보행자 상호작용 중 보행자 안전을 확보하면서 지연 시간을 최소화하는 제어 전략을 설계하기 위해.
• MPC 문제를 표준 이차형 프로그래밍(QP) 문제로 재구성하여 효율적이고 실시간 해법이 가능하도록 하기 위해.

제안 방법

• 차량-보행자 상호작용(VCI) 모델은 사회력을 사용하여 보행자 운동을 시뮬레이션하며, 차량으로부터의 반발력을 포함한다. 더 정확한 모델링을 위해 차량 영향 모델을 수정하였다.
• MPC 프레임워크는 유한한 예측 시간 간격 동안 보행자 운동을 예측하여 실시간으로 차량 속도를 최적화한다.
• 사용자 정의 비용 함수는 목표 속도 유지를 및 제어 노력 최소화를 균형 잡는 데 사용되며, 상태 제약 조건은 가장 가까운 보행자와의 안전한 거리를 확보한다.
• MPC 문제는 표준 이차형 프로그래밍(QP) 문제로 변환되어 표준 QP 솔버를 통해 효율적으로 해결할 수 있다.
• 각 시간 단계에서 VCI 모델을 MPC에 통합하여 동적이고 예측 가능한 보행자 운동 예측을 제공한다.
• QP 해를 기반으로 제어 조작을 반복적으로 갱신함으로써 변화하는 보행자 유량에 실시간으로 적응할 수 있다.

실험 결과

연구 질문

• RQ1 MPC와 사회력 기반 VCI 모델을 융합한 예측 제어 전략이 고밀도 보행자 상황에서 차량 속도를 효과적으로 조절할 수 있는가?
• RQ2 기존 PID 제어 대비 제안된 MPC-VCI 방법은 안전성, 속도 유지 및 상호작용 시간 측면에서 어떻게 비교되는가?
• RQ3 VCI 모델의 예측 능력은 비예측 방법 대비 제어 성능 향상에 얼마나 기여하는가?
• RQ4 보행자 밀도가 차량-보행자 상호작용에서 MPC와 PID 제어 간 성능 격차에 미치는 영향은 어떠한가?

주요 결과

• 30명의 보행자가 있는 상황에서 MPC 접근법은 PID 대비 평균 1.27초 빠른 상호작용 시간을 기록하여 더 빠르고 효율적인 주행이 가능함을 보여주었다.
• 정지-재시작 상황에서 MPC 접근법은 평균 1.95초 빠른 최대 대기 시간을 기록하여 지연 관리 능력이 뛰어나다는 것을 입증하였다.
• 정지가 없는 상황에서 MPC 접근법은 평균 0.98초 빠른 상호작용 시간을 기록하여 일관된 성능 향상을 보였다.
• PID 컨트롤러는 목표 속도 4 m/s에서 약 0.16 m/s의 정적 오차를 보이며, 상호작용 완료 시 최대 0.4초의 지연을 유발하였다.
• 저밀도 상황(10~20명)에서는 성능 저하가 관찰되었지만, MPC는 모든 시험 케이스에서 PID를 능가하였다.
• 제안된 방법은 MPC 문제를 표준 QP로 성공적으로 변환하여 표준 QP 도구상자로 신뢰할 수 있고 효율적인 실시간 해법을 가능하게 하였다.