[논문 리뷰] Cooperative Decision Making of Connected Automated Vehicles at Multi-lane Merging Zone: A Coalitional Game Approach

Peng Hang, Chen Lv외 3명|arXiv (Cornell University)|2021. 03. 14.

Traffic control and management참고 문헌 40인용 수 5

한 줄 요약

이 논문은 다차선 융합 구역에서 연결형 자율 주행 차량(CAV)을 위한 협동적 의사결정 프레임워크를 코operative 게임 기반으로 제안하며, 운동 예측, 개인화된 운전 특성, 및 모델 예측 제어(MPC)를 통합하여 안전성, 편안함, 효율성을 최적화한다. 이 방법은 차량 행동에 따라 동적으로 반응하는 적응형 협동군 형성을 가능하게 하여 다양한 주행 시나리오에서 실시간 구현 가능성을 입증하고 시스템 성능을 향상시킨다.

ABSTRACT

To address the safety and efficiency issues of vehicles at multi-lane merging zones, a cooperative decision-making framework is designed for connected automated vehicles (CAVs) using a coalitional game approach. Firstly, a motion prediction module is established based on the simplified single-track vehicle model for enhancing the accuracy and reliability of the decision-making algorithm. Then, the cost function and constraints of the decision making are designed considering multiple performance indexes, i.e. the safety, comfort and efficiency. Besides, in order to realize human-like and personalized smart mobility, different driving characteristics are considered and embedded in the modeling process. Furthermore, four typical coalition models are defined for CAVS at the scenario of a multi-lane merging zone. Then, the coalitional game approach is formulated with model predictive control (MPC) to deal with decision making of CAVs at the defined scenario. Finally, testings are carried out in two cases considering different driving characteristics to evaluate the performance of the developed approach. The testing results show that the proposed coalitional game based method is able to make reasonable decisions and adapt to different driving characteristics for CAVs at the multi-lane merging zone. It guarantees the safety and efficiency of CAVs at the complex dynamic traffic condition, and simultaneously accommodates the objectives of individual vehicles, demonstrating the feasibility and effectiveness of the proposed approach.

연구 동기 및 목표

• 연결형 자율 주행 차량(CAV)의 다차선 융합 구역에서의 안전성 및 효율성 도전 과제를 해결하기 위해.
• 개별 차량의 운전 특성과 선호도를 고려한 협동적 의사결정 프레임워크를 개발하기 위해.
• 운동 예측, 다목적 비용 함수, 협동군 형성의 통합을 통해 전체 시스템 성능 향상을 위해.
• 다양한 주행 행동과 융합 시나리오에서 시뮬레이션 기반 테스트를 통해 프레임워크의 성능을 평가하기 위해.

제안 방법

• 의사결정 정확도 향상을 위해 단순화된 단일궤적 차량 모델을 사용한 운동 예측 모듈을 개발하였다.
• 안전성, 편안함, 효율성을 균형 잡기 위한 제약 조건이 포함된 다목적 비용 함수를 수립하였다.
• 융합 과정에서 CAV 간의 다양한 협동 행동을 표현하기 위해 네 가지의 차별화된 협동군 모델을 정의하였다.
• 복잡한 교통 역학 상황에서 실시간 동적 의사결정을 가능하게 하기 위해 코operative 게임 접근법을 모델 예측 제어(MPC)와 통합하였다.
• 개인화된 인간과 유사한 이동성을 지원하기 위해 운전 특성(예: 과도한, 보수적인)을 모델에 통합하였다.
• 다양한 시나리오에서 시뮬레이션 테스트를 수행하여 주행 행동 변화에 따른 협동군 형성과 성능을 평가하였다.

실험 결과

연구 질문

• RQ1 다차선 융합 구역에서 시스템 전체 효율성과 개별 차량 선호도를 균형 잡는 데 협동적 의사결정은 어떻게 구성될 수 있는가?
• RQ2 다른 운전 특성을 가진 CAV가 융합 과정에서 상호작용할 때 어떤 협동군 형성 패턴이 나타나는가?
• RQ3 운동 예측과 MPC의 통합은 CAV 융합 의사결정의 신뢰성과 실시간 성능을 어떻게 향상시키는가?
• RQ4 코operative 게임 프레임워크는 안전성과 효율성을 확보하면서 얼마나 다양한 운전 행동을 수용할 수 있는가?
• RQ5 혼합 교통 상황에서의 융합 시나리오에서 제안된 방법은 중심 집중식 제어나 개별 의사결정과 비교해 어떻게 다른가?

주요 결과

• 제안된 코operative 게임 접근법은 차량의 운전 특성에 따라 적응형 협동군을 성공적으로 형성하며, 과도한 또는 보수적인 CAV 간의 하위 협동군 형성이 가능하다.
• 시나리오 A에서 V2는 융합하는 CAV를 지원하기 위해 감속하고 차선을 변경하여 협동 조건 하에서 조율된 행동을 보였다.
• 시나리오 B에서 과도한 CAV(V3 및 V5)는 대규모 협동군에서 이탈하여 V2는 감속하고 V1/V4는 속도를 증가시켜 행동 기반의 협동군 역학을 반영하였다.
• 시나리오 C에서 보수적인 행동은 V2가 차선을 변경하기보다는 사전에 감속하도록 이끌어내어 주행 스타일이 조율 전략에 미치는 영향을 강조하였다.
• 단계당 평균 계산 시간은 약 0.07초로 확인되어 실시간 구현 가능성이 입증되었다.
• 프레임워크는 시스템 수준의 안전성과 효율성을 개별 차량의 목표와 균형 잡고, 단일 차량 및 중심 집중식 제어 방식보다 뛰어난 성능을 보였다.