[논문 리뷰] CV2X-LOCA: Roadside Unit-Enabled Cooperative Localization Framework for Autonomous Vehicles

Zilin Huang, Sikai Chen외 4명|arXiv (Cornell University)|2023. 04. 03.

Indoor and Outdoor Localization Technologies인용 수 4

한 줄 요약

CV2X-LOCA는 GNSS 장애가 발생한 도시 환경에서 차선 수준의 정밀도를 달성하기 위해 C-V2X 채널 상태 정보를 활용하는 주행로 단위(_RSU_) 기반 협업 위치 결정 프레임워크이다. 데이터 처리, 거친 위치 결정, 환경 보정, 궤적 필터링 모듈을 통합함으로써 고속 주행, 희소한 RSU 배치, 노이즈가 많은 조건에서도 최신 기술 수준의 성능을 제공하며, GNSS/INS나 SLAM 기반 시스템에 비해 저비용이며 센서가 없는 대안을 제공한다.

ABSTRACT

An accurate and robust localization system is crucial for autonomous vehicles (AVs) to enable safe driving in urban scenes. While existing global navigation satellite system (GNSS)-based methods are effective at locating vehicles in open-sky regions, achieving high-accuracy positioning in urban canyons such as lower layers of multi-layer bridges, streets beside tall buildings, tunnels, etc., remains a challenge. In this paper, we investigate the potential of cellular-vehicle-to-everything (C-V2X) wireless communications in improving the localization performance of AVs under GNSS-denied environments. Specifically, we propose the first roadside unit (RSU)-enabled cooperative localization framework, namely CV2X-LOCA, that only uses C-V2X channel state information to achieve lane-level positioning accuracy. CV2X-LOCA consists of four key parts: data processing module, coarse positioning module, environment parameter correcting module, and vehicle trajectory filtering module. These modules jointly handle challenges present in dynamic C-V2X networks. Extensive simulation and field experiments show that CV2X-LOCA achieves state-of-the-art performance for vehicle localization even under noisy conditions with high-speed movement and sparse RSUs coverage environments. The study results also provide insights into future investment decisions for transportation agencies regarding deploying RSUs cost-effectively.

연구 동기 및 목표

• 터널, 다층 교량, 그리고 밀집된 도시 지역과 같은 GNSS 장애가 발생하는 도시 협곡 환경에서 정확한 차량 위치 결정 문제를 해결하기 위해.
• GNSS가 이용 불가능하거나 성능이 저하되었을 때 C-V2X 무선 통신 신호가 신뢰할 수 있는 위치 결정 대안이 될 수 있는 잠재력을 탐색하기 위해.
• 차량 내 인식 센서에 의존하지 않고 주행로 단위(_RSU_)와 C-V2X 채널 상태 정보만을 활용하는 협업 위치 결정 프레임워크를 개발하기 위해.
• 정확한 위치 결정 성능을 확보하기 위해 효과적인 연결 범위와 커버리지 밀도를 식별함으로써 RSU 배치 전략을 최적화하기 위해.
• 기존 GNSS/INS 또는 지ap 매칭 시스템과 원활하게 통합될 수 있는 저복잡도이고 확장 가능한 솔루션을 제공하기 위해.

제안 방법

• 프레임워크는 차량 내 센서에 의존하지 않고, 다수의 RSU로부터 수집한 C-V2X 채널 상태 정보(RSS, TOA, TDOA 등)를 처리하여 차량의 위치를 추정한다.
• 데이터 처리 모듈은 노이즈를 줄이고 일관성을 향상시키기 위해 원시 C-V2X 측정값을 추출하고 정규화한다.
• 거친 위치 결정 모듈은 추정 거리와 측정 거리의 비율의 로그를 최소화하는 비볼록 최적화 기반 접근 방식을 사용하며, 이를 최대-최소 문제로 수식화한다.
• 환경 매개변수 보정 모듈은 신호 전파 이상 현상을 모델링하여 다중 경로 및 비선형 시선(NLOS) 오차를 보정한다.
• 차량 궤적 필터링 모듈은 이동 윈도우 기반 칼만 필터를 적용하여 위치 추정치를 부드럽게 하고 진동을 줄인다.
• 프레임워크는 고속 주행과 희소한 RSU 배치와 같은 동적 네트워크 조건을 고려하여 적응형 파rameter 조정을 통해 유연하게 대응하도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 C-V2X 채널 상태 정보만으로도 GNSS 장애가 발생한 도시 환경에서 차선 수준의 정밀도를 달성할 수 있는가?
• RQ2 고속 주행 및 희소한 RSU 배치 조건에서 제안된 CV2X-LOCA 프레임워크는 어떤 성능을 보이는가?
• RQ3 네트워크 위상 변동성을 최소화하고 위치 결정 정밀도를 극대화하기 위해 최적의 RSU 연결 범위는 얼마인가?
• RQ4 정밀도와 내구성 측면에서 기존 GNSS/INS, 지도 매칭, 또는 SLAM 기반 위치 결정 방법과 비교할 때 CV2X-LOCA는 어떤가?
• RQ5 기존 위치 결정 시스템과의 통합이 효과적으로 이루어질 수 있는가?

주요 결과

• 모의 실험에서는 중앙값 위치 오차가 0.83미터, 현장 실험에서는 1.12미터를 기록하여 GNSS 장애가 발생한 도시 협곡 환경에서도 차선 수준의 정밀도를 입증하였다.
• 프레임워크는 고속 주행(최대 시속 60km/h) 및 희소한 RSU 배치 조건에서도 뛰어난 성능 유지를 보이며, 도전적인 환경에서 전통적 방법을 능가한다.
• 각 위치 결정 업데이트당 평균 계산 시간은 데이터 처리 모듈에서 8.26ms, 거친 위치 결정에서 9.42ms, 궤적 필터링에서 11.28ms로, 실시간 적용 가능성은 합리적이다.
• 연구는 RSU 연결 범위 약 150~200미터가 네트워크 위상 변동성을 최소화하고 위치 결정 정밀도를 극대화하는 데 최적임을 규명하였다.
• CV2X-LOCA는 고비용의 차량 내 인식 센서 의존도를 줄이며, 기존 GNSS/INS 또는 고정밀 지도 시스템과 원활하게 통합되어 전체 위치 결정의 내구성을 향상시킬 수 있다.
• 현장 실험 결과는 프레임워크의 실용성을 확인하였으며, 다양한 도시 도로 유형과 신호 조건에서도 일관된 성능을 보였다.