[논문 리뷰] Hardware-In-the-Loop for Connected Automated Vehicles Testing in Real Traffic

Yeojun Kim, Samuel Tay외 3명|arXiv (Cornell University)|2019. 07. 21.

Real-time simulation and control systems참고 문헌 11인용 수 10

한 줄 요약

이 논문은 실제 차량 역학, 교통 미세시뮬레이션, 차량 내 통합 제어 장치(ECU)를 통합한 하드웨어 인 더 로프(HIL) 시뮬레이션 플랫폼을 제시하여 도시 환경에서 연결형 자율주행차(CAV) 제어 및 계획 알고리즘을 현실적으로 테스트한다. PreScan, Vissim, ETAS DESK-LABCAR 및 차량 내 ECU를 실제 교통 데이터와 함께 활용함으로써, 모델 예측 제어 기반의 에코-ACC에 대한 반복 가능하고 안전하며 상호작용 가능한 테스트를 가능하게 하였으며, 신호등과 다른 차량이 존재하는 도시 환경에서 브레이킹을 최소화하고 코asting을 활용함으로써 뚜렷한 에너지 절감 효과를 입증하였다.

ABSTRACT

We present a hardware-in-the-loop (HIL) simulation setup for repeatable testing of Connected Automated Vehicles (CAVs) in dynamic, real-world scenarios. Our goal is to test control and planning algorithms and their distributed implementation on the vehicle hardware and, possibly, in the cloud. The HIL setup combines PreScan for perception sensors, road topography, and signalized intersections; Vissim for traffic micro-simulation; ETAS DESK-LABCAR/a dynamometer for vehicle and powertrain dynamics; and on-board electronic control units for CAV real time control. Models of traffic and signalized intersections are driven by real-world measurements. To demonstrate this HIL simulation setup, we test a Model Predictive Control approach for maximizing energy efficiency of CAVs in urban environments.

연구 동기 및 목표

• 복잡한 도시 교통 환경에서 연결형 자율주행차(CAV) 제어 및 계획 알고리즘을 반복 가능하고 안전하며 현실적인 환경에서 테스트하기 위한 목표.
• 기존 HIL 설정의 한계를 극복하기 위해 고정밀 차량 역학, 실제 세계 기반의 교통 미세시뮬레이션, CAV와 주변 교통 간의 双방향 상호작용을 통합하기 위한 목표.
• 실제 교통 데이터와 물리적 차량 하드웨어를 활용하여 현실 조건에서 에너지 효율적인 제어 전략—특히 에코-ACC—의 유효성을 검증하기 위한 목표.
• 확장 가능하고 유연한 CAV 알고리즘 테스트를 위해 HIL 프레임워크에 분산 제어 및 클라우드 연결성을 통합하기 위한 목표.
• 데이터 기반 가상 환경을 활용하여 일관성 있고 반복 가능하며 안전한 CAV 검증이 가능한지를 입증하기 위한 목표.

제안 방법

• 실제 측정치를 기반으로 고정밀 인식, 도로 구조, 신호등 제어 교차로를 제공하기 위해 PreScan을 활용.
• 실제 교통 및 신호 단계 데이터를 기반으로 한 데이터 기반의 미세시뮬레이션을 위해 PTV Vissim을 사용.
• 실제 차량 측정치를 활용하여 고정밀 차량 및 파wr트레인 역학을 시뮬레이션하기 위해 ETAS DESK-LABCAR를 다이내노미터로 활용.
• 차량 내 ECU(예: dSpace MicroAutoBox, Matrix PC)를 클라우드(예: AWS)와 연결하여 분산 제어 및 계획 실행을 수행.
• 물리적 CAV와 시뮬레이션된 교통 간 실시간 양방향 상호작용을 가능하게 하며, V2X 통신 및 신호등 제어 교차로 행동을 포함.
• 브레이킹을 최소화하고 속도 추적을 최적화하면서도 신호등 제약 조건을 준수하는 모델 예측 제어(MPC) 프레임워크를 구현하여 에코-ACC를 구현.

실험 결과

연구 질문

• RQ1 실제 차량 역학, 데이터 기반의 교통 시뮬레이션, 차량 내 ECU를 통합한 하드웨어 인 더 로프 플랫폼이 실제 도시 환경에서 CAV 제어 알고리즘의 반복 가능하고 안전한 테스트를 가능하게 하는가?
• RQ2 모델 예측 제어 기반의 에코-ACC 컨트롤러는 신호등 제어 교차로와 상호작용하는 다른 차량이 존재하는 도시 교통 환경에서 에너지 소비를 얼마나 효과적으로 줄일 수 있는가?
• RQ3 HIL 설정이 실제 도시 교통 상호작용과 차량 행동을 얼마나 정확하게 재현하는가, 특히 에너지 효율성과 안전성 측면에서 어느 정도의 정확도를 가지는가?
• RQ4 클라우드 연결성 및 분산 제어의 통합이 HIL 프레임워크 내 CAV 테스트의 확장성과 현실성 향상에 어떻게 기여하는가?
• RQ5 HIL 플랫폼은 갑작스러운 앞차량 감속과 같은 악조건 가정 조건 하에서도 안전성과 효율성을 유지하면서 CAV 컨트롤러의 검증을 지원할 수 있는가?

주요 결과

• HIL 설정은 실제 교통 데이터를 기반으로 하여 동적 교통과 신호등 제어 교차로에 반응하는 CAV의 실시간 상호작용 시뮬레이션을 성공적으로 구현하였다.
• 에코-ACC 컨트롤러는 특히 빨간 신호나 감속 중인 앞차량에 접근하기 전에 코asting 단계를 활용함으로써 브레이킹을 최소화하여 에너지 절감을 달성하였다.
• 도시 환경에서 고정밀 역학과 제어 중심 역학 간의 모델 불일치로 인한 작은 브레이킹 토크 적용을 통해 안전한 거리 유지를 유지하고 충돌을 방지하였다.
• 8개의 신호등과 다수의 상호작용하는 차량이 존재하는 복잡한 도시 환경에서도 라다르 및 차선 감지 센서 데이터만으로도 컨트롤러가 안정적이고 안전한 동작을 보였다.
• HIL 플랫폼은 실제 조건에서 일관되고 반복 가능한 CAV 알고리즘 테스트를 가능하게 하였으며, 결과적으로 에너지 낭비를 줄이기 위해 브레이킹보다 코asting을 우선시하는 경향을 보였다.
• 클라우드 기반 연결성과 차량 내 ECU의 통합을 통해 확장 가능한 분산 제어 구현이 가능해졌으며, 향후 대규모 CAV 시스템으로의 확장에 유리한 기반을 마련하였다.