[논문 리뷰] Game-theoretic Modeling of Traffic in Unsignalized Intersection Network for Autonomous Vehicle Control Verification and Validation

Ran Tian, Nan Li외 3명|arXiv (Cornell University)|2019. 10. 16.

Traffic control and management참고 문헌 46인용 수 19

한 줄 요약

이 논문은 수평적 시뮬레이션, 수축 시간 최적화, 그리고 모방 학습을 활용한 게임 이론적 프레임워크를 제안하여 비신호제 조건에서 이질적이고 상호작용하는 차량 행동을 시뮬레이션한다. 이 방법은 자율주행차(AV) 제어 시스템의 계산 효율적인 가상 테스트를 가능하게 하며, 충돌 회피 파라미터를 다양한 교통 모델에서 공격성과 경계심의 균형을 맞추도록 조정함으로써 최적의 AV 성능을 보여주는 결과를 얻는다.

ABSTRACT

For a foreseeable future, autonomous vehicles (AVs) will operate in traffic together with human-driven vehicles. Their planning and control systems need extensive testing, including early-stage testing in simulations where the interactions among autonomous/human-driven vehicles are represented. Motivated by the need for such simulation tools, we propose a game-theoretic approach to modeling vehicle interactions, in particular, for urban traffic environments with unsignalized intersections. We develop traffic models with heterogeneous (in terms of their driving styles) and interactive vehicles based on our proposed approach, and use them for virtual testing, evaluation, and calibration of AV control systems. For illustration, we consider two AV control approaches, analyze their characteristics and performance based on the simulation results with our developed traffic models, and optimize the parameters of one of them.

연구 동기 및 목표

• 비신호제 도심 교차로에서 자율주행차(AV) 제어 시스템의 가상 테스트를 위한 계산 효율적인 시뮬레이션 프레임워크를 개발하기 위해.
• 특히 인간 운전 차량과 AV 간의 상호작용을 포함한 이질적이고 상호작용하는 차량 행동을 게임 이론적 접근을 통해 현실적인 운전 스타일을 반영하여 모델링하기 위해.
• 실제 상호작용 역학을 반영하는 시뮬레이션 환경에 교통 모델을 통합함으로써 AV 제어 시스템의 초기 단계에서의 검증 및 검증을 가능하게 하기 위해.
• 충돌과 정체를 방지하고 평균 속도를 높이는 데 보상을 주는 성능 지수를 사용하여 AV 제어 파라미터를 최적화하기 위해.
• 다양한 교통 모델에서 규칙 기반 및 적응형 AV 제어 전략에 대한 사례 연구를 통해 프레임워크의 유용성을 입증하기 위해.

제안 방법

• 차량의 의사결정을 수준-k 게임 이론을 사용한 동적 게임으로 모델링하여, 차량들이 다른 이들의 행동을 유한한 수준의 추론까지 예측하도록 한다.
• 레벨-k 모델링, 실시간 의사결정을 위한 수축 시간 최적화, 그리고 관찰된 행동에서 주행 정책을 추론하기 위한 모방 학습을 통합한 하이브리드 알고리즘을 사용한다.
• 차량 운동학은 표준 역학을 사용하여 모델링하며, 상호작용 규칙은 불확실성 하에서 게임 이론적 균형 개념에서 유도된다.
• 전문가 시범 데이터를 사용한 모방 학습을 통해 제어 정책을 학습하며, 안전성과 효율성을 확보하기 위해 유한한 수평에서 최적화를 수행한다.
• 충돌과 정체에 대한 보상과 평균 속도 향상을 위한 보상이 포함된 성능 지수 함수는 조정 가능한 가중치 요소를 포함한다.
• 15대의 차량이 포함된 비신호제 교차로에서 다양한 교통 모델(수준-1에서 수준-3까지)을 사용하여 시뮬레이션 환경에서 모델을 검증한다.

실험 결과

연구 질문

• RQ1 비신호제 도심 교차로에서 이질적이고 상호작용하는 차량 행동을 계산 효율적인 게임 이론적 모델로 어떻게 시뮬레이션할 수 있는가?
• RQ2 공격적인 타입에서 경계심 있는 타입까지 다양한 운전 스타일이 혼합 교통 환경에서 AV 제어 시스템 성능에 어떤 영향을 미치는가?
• RQ3 수축 시간 최적화와 모방 학습의 통합은 AV 시뮬레이션의 확장성과 현실성에 어떻게 기여하는가?
• RQ4 규칙 기반 AV 제어 전략에서 어떤 파라미터 설정이 다양한 교통 모델 전반에서 최적의 성능을 낳는가?
• RQ5 통합된 시뮬레이션 프레임워크는 복잡한 도심 교통 환경에서 AV 제어 시스템의 검증 및 검증을 효과적으로 지원할 수 있는가?

주요 결과

• 규칙 기반 제어 접근에서 충돌 회피 반경 $ R_c $ 의 최적 값은 [11.5, 13] 미터 범위에 있으며, 이 범위에서는 다양한 교통 모델 전반에서 일관되고 강건한 성능을 보인다.
• 충돌 회피 반경 $ R_c $ 가 [7.5, 11] 미터 범위에 있을 경우, 중간 정도로 공격적인 차량과 경계심 있는 차량 간의 갈등 행동으로 인해 성능이 크게 악화된다.
• 매우 작은 $ R_c $ 값(6–7.5 m)은 오직 경계심 있는 교통 모델(수준-1)에서만 양호한 결과를 낳는다. 이는 공격적인 AV 행동이 양보하는 차량들에 의해 안전하게 수용되기 때문이다.
• 큰 $ R_c $ 값은 과도한 경계심을 유도하여, 안전한 조건임에도도 교차로 진입을 하지 못함으로써 빈번한 정체를 유발한다.
• 성능 지수 함수는 충돌 및 정체 방지를 위한 안전성과 평균 속도 향상을 위한 효율성 간의 균형을 효과적으로 유지하며, 시뮬레이션을 통한 최적 조정이 가능하다.
• 제안된 프레임워크는 비신호제 교차로에서 AV 상호작용의 확장성 있고 현실적인 시뮬레이션을 가능하게 하여, 제어 시스템의 효과적인 검증 및 검증을 지원한다.