[논문 리뷰] Mixed platoon control of automated and human-driven vehicles at a signalized intersection: dynamical analysis and optimal control

Chaoyi Chen, Jiawei Wang외 3명|arXiv (Cornell University)|2020. 10. 30.

Traffic control and management참고 문헌 34인용 수 19

한 줄 요약

이 논문은 신호등 제어 교차로에서 한 대의 자율주행차(CAV)가 n대의 인간 운전 차량(HDV)을 이끄는 '1+n' 혼합 플로트 제어 프레임워크를 제안한다. 선형화된 동역학과 최적 제어를 활용하여 안정성 확보와 함께 전역적 교통 효율성 및 연료 경제성 향상을 달성한다. 단일 CAV 최적화 대비 평균 지연을 최대 30% 감소시키고, 연료 소비량을 최대 25% 줄일 수 있으며, 특히 중간 수준의 시장 점유율에서 뛰어난 성능을 발휘한다.

ABSTRACT

The emergence of Connected and Automated Vehicles (CAVs) promises better traffic mobility for future transportation systems. Existing research mostly focused on fully-autonomous scenarios, while the potential of CAV control at a mixed traffic intersection where human-driven vehicles (HDVs) also exist has been less explored. This paper proposes a notion of "1+n" mixed platoon, consisting of one leading CAV and n following HDVs, and formulates a platoon-based optimal control framework for CAV control at a signalized intersection. Based on the linearized dynamics model of the "1+n" mixed platoon, fundamental properties including stability and controllability are under rigorous theoretical analysis. Then, a constrained optimal control framework is established, aiming at improving the global traffic efficiency and fuel consumption at the intersection via direct control of the CAV. A hierarchical event-triggered algorithm is also designed for practical implementation of the optimal control method between adjacent mixed platoons when approaching the intersection. Extensive numerical simulations at multiple traffic volumes and market penetration rates validate the greater benefits of the mixed platoon based method, compared with traditional trajectory optimization methods for one single CAV.

연구 동기 및 목표

• 공존하는 CAV와 HDV가 있는 혼합 교차로에 대한 최적 제어 프레임워크 부족 문제를 해결하기 위해.
• 혼합 플로트 형성에서 CAV 제어를 활용하여 전역적 교통 성능—특히 지연 시간과 연료 소비량—을 향상시키기 위해.
• 한 대의 CAV가 다수의 HDV를 이끄는 혼합 플로트의 안정성 및 제어 가능성에 대한 이론적 기초를 확립하기 위해.
• 실시간 적용을 위한 실용적인 계층적 이벤트 트리거 알고리즘을 설계하기 위해.
• 다양한 교통량과 시장 점유율 하에서 혼합 플로트 접근 방식이 단일 CAV 경로 최적화보다 뛰어난 성능을 보임을 검증하기 위해.

제안 방법

• 한 대의 선도 CAV와 n대의 뒤따르는 HDV로 구성된 '1+n' 혼합 플로트 모델을 도입하고, 이론적 분석을 위한 선형화된 동역학을 적용한다.
• 신호등 교차로에서의 이동 지연과 연료 소비를 최소화하기 위한 제약 조건이 있는 최적 제어 프레임워크를 유도한다.
• 시스템 행렬에 대한 고유값 분석과 수학적 귀납법을 활용하여 혼합 플로트의 안정성과 제어 가능성 여부를 확립한다.
• 이웃한 혼합 플로트 간의 실용적이고 분산형 구현을 가능하게 하는 계층적 이벤트 트리거 알고리즘을 개발한다.
• 에너지 효율성을 정량화하기 위해 차량 파라미터와 가속도 프로파일 기반의 연료 소비 모델을 활용한다.
• 다양한 교통량(600~1200 veh/(시간·차선))과 시장 점유율(0%~100%)에서 광범위한 수치 시뮬레이션을 통해 프레임워크를 검증한다.

Figure 1: Illustration for the mixed traffic intersection. Red vehicles represent CAVs, which can transmit and receive vehicle information and the vehicle is fully autonomous driving. Black vehicles represent HDVs, which can only transmit ego vehicle information to other vehicles and are controlled

실험 결과

연구 질문

• RQ1 신호등 교차로에서 선형화된 동역학 하에 한 대의 CAV와 n대의 HDV로 구성된 1+n 혼합 플로트의 안정성은 어떻게 행동하는가?
• RQ2 혼합 교통 플로트에서 전역적 지연 시간과 연료 소비량을 최소화하는 최적 제어 전략은 무엇인가?
• RQ3 다양한 교통량과 시장 점유율 하에서 1+n 플로트 제어 프레임워크의 성능은 단일 CAV 경로 최적화와 비교해 어떻게 다를까?
• RQ4 혼합 플로트 시스템의 제어 가능성과 안정성을 보장하는 조건은 무엇이며, 이는 수학적으로 어떻게 증명되는가?
• RQ5 실시간 분산 구현을 가능하게 하는 실용적인 이벤트 트리거 알고리즘은 어떻게 설계할 수 있는가?

주요 결과

• 1+n 혼합 플로트 제어 프레임워크는 단일 CAV 최적화 대비 평균 이동 지연 시간을 최대 30% 감소시키며, 특히 시장 점유율 60%에서 뛰어난 성능을 발휘한다.
• 제안된 방법에 따라 연료 소비량은 최대 25% 감소하며, 최저 평균 연료 소비량은 시장 점유율 60%에서 관찰된다(1000 vphpl에서 122.42 L/100km vs. 단일 CAV 사례의 136.39 L/100km).
• 100% 시장 점유율일 경우 평균 지연 시간이 기준값(159.95 s)에서 156.97 s로 감소하여 전통적 방법 대비 일관된 개선 효과를 보인다.
• α₁ > 0 및 α₂ > 0 조건 하에서 시스템은 임계 안정성을 확보하며, 고유값 분석과 시스템 행렬에 대한 수학적 귀납법을 통한 이론적 증명이 이루어졌다.
• 계층적 이벤트 트리거 알고리즘은 이웃 플로트 간 효율적이고 분산형 제어를 가능하게 하여 실시간 적용을 지원한다.
• 시뮬레이션 결과, 600~1200 veh/(시간·차선)의 모든 테스트 교통량과 0%~100%의 모든 시장 점유율에서 1+n 플로트 접근 방식이 단일 CAV 최적화를 능가하는 것으로 나타났다.

Figure 2: Schematic for the “ $1+n$ ” mixed platoon. Red arrows denote the information flow of the leading CAV (colored in red), which collects information from the following HDVs as well as the traffic light and has an external control input. Black arrows represent the information flow of the HDVs