[논문 리뷰] Development Framework for Longitudinal Automated Driving Functions with Off-board Information Integration

Eric Armengaud, Sebastian Frager외 5명|arXiv (Cornell University)|2019. 06. 18.

Human-Automation Interaction and Safety참고 문헌 8인용 수 5

한 줄 요약

이 논문은 도로 신호 주기 및 시간, 도로 기하학적 구조, 속도 제한 등 외부 정보를 디지털 신뢰성 신분(Digital Dependability Identity, DDI)을 통해 통합함으로써 안전하고 효율적이며 조합 가능한 시스템 행동을 보장하는 종단 간 자율 주행 기능 개발 프레임워크를 제시한다. 이 프레임워크는 시뮬레이션에서 실시간 하드웨어 인 더 루프(Hardware-in-the-Loop) 테스트로의 원활한 전환을 가능하게 하여, 오스트리아 그라츠 지역의 실제 데이터를 바탕으로 도심 환경에서 에너지 효율성과 운전자 편안함을 향상시킨다.

ABSTRACT

Increasingly sophisticated function development is taking place with the aim of developing efficient, safe and increasingly Automated Driving Functions. This development is possible with the use of diverse data from sources such as Navigation Systems, eHorizon, on-board sensor data, Vehicle-to-Infrastructure (V2I) and Vehicle-to-Vehicle (V2V) communication. Increasing challenges arise with the dependency on large amounts of real-time data coming from off-board sources. At the core of addressing these challenges lies the concept of a Digital Dependability Identity (DDI) of a component or system. DDIs are modular, composable, and executable components in the field, facilitating: $\bullet$ efficient synthesis of component and system dependability information, $\bullet$ effective evaluation of information for safe and secure composition of highly distributed and autonomous Cyber Physical Systems. In AVL's Connected Powertrain (TM), Automated Driving Functions are tailored to Powertrain Control Strategies that predictively increase energy efficiency according to the powertrain type and its component efficiencies. Simultaneously, the burden on the driver is reduced by optimizing the vehicle velocity, whilst minimizing any journey time penalty.In this work, the development of dependable Automated Driving Functions is exemplified by the Traffic Light Assistant, an adaptive strategy that utilizes predictions of preceding traffic, upcoming road curvature, inclination, speed limits, and especially traffic light signal phase and timing information to increase the energy efficiency in an urban traffic environment. A key aspect of this development is the possibility for seamless and simultaneous development; from office simulation to human-in-the-loop and to real-time tests that include vehicle and powertrain hardware. Driver's acceptance and comfort is rated in an advanced diver simulator mounted on a hexapod, capable of emulating longitudinal and lateral acceleration of a real vehicle. Test results from real-time function validation on a Powertrain Testbed are shown, including real traffic light signal phasing information and traffic flow representation on Graz city roads.

연구 동기 및 목표

• 실시간 외부 데이터를 자율 주행 기능에 통합하는 데서 증가하는 복잡성 문제를 해결하기 위해.
• 자율 주행에서 분산된 사이버-물리 시스템의 신뢰성과 보안적인 조합을 보장하기 위해.
• 시뮬레이션, 인간-인-더-루프, 실시간 하드웨어 환경 간의 자율 주행 기능 개발 및 검증을 원활하게 가능하게 하기 위해.
• 예측 가능한 신호 주기 및 도로 상태 데이터를 활용하여 도심 교통에서의 에너지 효율성과 운전자 편안함을 향상시키기 위해.
• 디지털 신뢰성 신분(DDI)을 활용한 모듈형, 조합형, 실행 가능한 프레임워크를 구축하여 시스템 수준의 신뢰성 평가를 가능하게 하기 위해.

제안 방법

• 프레임워크는 실시간으로 구성 요소 및 시스템의 신뢰성을 모델링하고 검증하기 위해 디지털 신뢰성 신분(DDI)을 활용한다.
• eHorizon, V2I, V2V, 교차로 신호 주기 및 시간(SPaT) 정보 등 외부 데이터 소스를 통합한다.
• 도로 곡률, 경사도, 속도 제한의 예측 모델링을 통해 차량 속도 및 파wr트레인 제어를 최적화한다.
• 사무실 기반 시뮬레이션에서 헥사포드 기반 운전 시뮬레이터를 활용한 인간-인-더-루프 테스트까지 통합된 파ipeline을 통해 개발이 진행된다.
• 실제 그라츠 도시 도로의 교차로 신호 주기 및 교통 흐름 데이터를 사용하여 파워트레인 테스트베드에서 실시간 검증을 수행한다.
• DDI를 통해 분산된 구성 요소 간의 모듈형, 조합형, 실행 가능한 신뢰성 검증이 가능해진다.

실험 결과

연구 질문

• RQ1 외부 정보는 종단 간 자율 주행 기능에 어떻게 효과적이고 신뢰성 있게 통합될 수 있는가?
• RQ2 어떤 아키텍처 프레임워크가 시뮬레이션에서 실시간 하드웨어 테스트로의 원활한 전환을 가능하게 하는가?
• RQ3 교차로 신호 주기 및 시간 데이터의 통합은 에너지 효율성과 운전자 편안함을 어떻게 향상시키는가?
• RQ4 디지털 신뢰성 신분(DDI)은 분산된 자율 주행 시스템에서 보안적이고 조합 가능한 시스템 조합을 어떻게 지원하는가?
• RQ5 예측 가능한 도로 및 교통 데이터는 파워트레인 제어와 차량 속도 최적화에 어떤 영향을 미치는가?

주요 결과

• 프레임워크는 그라츠 도시 도로의 실제 교차로 신호 주기 데이터를 사용하여 교차로 보조 기능의 실시간 검증을 성공적으로 수행하였다.
• 앞서 오는 신호 주기 예측과 차량 속도 조절을 통해 에너지 효율성 향상이 달성되었다.
• 헥사포드 기반 운전 시뮬레이터를 활용한 인간-인-더-루프 시뮬레이션에서 운전자 편안함과 수용도가 긍정적으로 평가되었다.
• DDI의 사용을 통해 분산된 구성 요소 간의 효율적인 의존성 정보 합성 및 평가가 가능해졌다.
• 시스템은 시뮬레이션에서 하드웨어 인 더 루프 테스트로의 원활한 통합을 보여주었으며, 프레임워크의 확장성과 신뢰성을 검증하였다.
• 프레임워크는 모듈형, 조합형, 실행 가능한 의존성 평가를 지원하여 자율 주행 기능의 안전한 구현에 필수적인 요소를 제공한다.