[논문 리뷰] Lookup Table-Based Consensus Algorithm for Real-Time Longitudinal Motion Control of Connected and Automated Vehicles

Ziran Wang, Kyungtae Han외 3명|arXiv (Cornell University)|2019. 02. 20.

Distributed Control Multi-Agent Systems참고 문헌 18인용 수 8

한 줄 요약

이 논문은 연결 및 자율 주행 차량(CAV)의 실시간 종방향 운동 제어를 위한 룩업 테이블 기반 공감 알고리즘을 제안하며, 초기 차량 조건에 따라 제어 이득을 동적으로 최적화한다. 사전에 계산된 최적의 이득을 담은 룩업 테이블을 통해, 다양한 사양의 네 가지 시나리오에서 고정 이득 및 선형 피드백 방법에 비해 수렴 시간과 최대 제드를 감소시킨다.

ABSTRACT

Connected and automated vehicle (CAV) technology is one of the promising solutions to addressing the safety, mobility and sustainability issues of our current transportation systems. Specifically, the control algorithm plays an important role in a CAV system, since it executes the commands generated by former steps, such as communication, perception, and planning. In this study, we propose a consensus algorithm to control the longitudinal motion of CAVs in real time. Different from previous studies in this field where control gains of the consensus algorithm are pre-determined and fixed, we develop algorithms to build up a lookup table, searching for the ideal control gains with respect to different initial conditions of CAVs in real time. Numerical simulation shows that, the proposed lookup table-based consensus algorithm outperforms the authors' previous work, as well as van Arem's linear feedback-based longitudinal motion control algorithm in all four different scenarios with various initial conditions of CAVs, in terms of convergence time and maximum jerk of the simulation run.

연구 동기 및 목표

• 기존 공감 알고리즘에서 CAV 종방향 제어에 고정된 사전 결정된 제어 이득을 사용하는 데서 기인하는 한계를 해결하기 위해.
• 다양한 초기 조건 하에서 수렴 속도와 승차감(제드로 측정) 측면에서 실시간 성능을 향상시키기 위해.
• 현재 차량 상태에 기반해 최적의 이득을 선택하는 동적이고 적응형 제어 전략을 개발하기 위해.
• 연결 및 자율 주행 차량 시스템에서 공감 기반 제어의 실용적 구현을 가능하게 하기 위해.

제안 방법

• CAV의 다양한 초기 상대 위치와 속도에 대한 최적 제어 이득을 저장하기 위해 룩업 테이블을 사전에 계산한다.
• 차량 펠리톤의 실시간 초기 조건에 따라 룩업 테이블에서 제어 이득을 동적으로 선택하는 알고리즘을 적용한다.
• 공감 제어 프레임워크는 분산 방식을 사용하며, 각 차량이 인접 차량과의 상대 간격과 속도를 기반으로 가속도를 조정한다.
• 수치 시뮬레이션을 통해 오프라인으로 제어 이득을 최적화하여 수렴 시간과 최대 제드를 최소화한다.
• 고정 이득 설계를 대체하여 적응형 이득 선택을 통해 다양한 초기 조건에서의 강인성을 향상시킨다.
• 네 가지 다른 초기 조건 시나리오에서 수치 시뮬레이션을 통해 알고리즘을 검증한다.

실험 결과

연구 질문

• RQ1 룩업 테이블을 통한 동적 이득 선택은 CAV 종방향 제어에서 수렴 시간에 어떤 영향을 미치는가?
• RQ2 룩업 테이블 기반 공감 알고리즘이 승차감과 수렴 시간 측면에서 고정 이득 및 선형 피드백 제어를 능가할 수 있는가?
• RQ3 다양한 초기 상대 위치와 속도가 CAV 펠리톤의 제어 성능에 어떤 영향을 미치는가?
• RQ4 제안된 방법이 이전 방법에 비해 다양한 초기 조건 하에서도 안정성과 성능을 유지하는 방식은 어떠한가?

주요 결과

• 룩업 테이블 기반 공감 알고리즘은 네 가지 테스트 시나리오 전반에서 저자들의 이전 고정 이득 방법과 van Arem의 선형 피드백 제어보다 더 빠른 수렴을 달성한다.
• 최대 제드가 크게 감소하여, 기준 선형 피드백 및 이전 고정 이득 접근법에 비해 승차감이 향상됨을 나타낸다.
• 큰 간격과 속도 차이가 있는 다양한 초기 조건에서도 알고리즘이 강인한 성능을 보인다.
• 룩업 테이블을 통해 실시간으로 제어 이득을 적응시켜, 동적인 펠리톤 시나리오에서의 반응성과 안정성을 향상시킨다.