[논문 리뷰] OpenCDA:An Open Cooperative Driving Automation Framework Integrated with Co-Simulation

Runsheng Xu, Yi Guo외 4명|arXiv (Cornell University)|2021. 07. 13.

Traffic control and management참고 문헌 28인용 수 6

한 줄 요약

OpenCDA는 협동 주행 자동화(CDA) 시스템의 엔드 투 엔드 시뮬레이션을 가능하게 하는 오픈소스 공동 시뮬레이션 프레임워크이다. CARLA와 SUMO를 통합하여 고성능 시뮬레이션을 제공하며, 벤치마크 알고리즘과 시나리오를 포함한 모듈러하고 종합적인 플랫폼을 제공하여 연구자들이 구성 요소를 쉽게 교체하고 새로운 CDA 알고리즘을 평가할 수 있도록 한다. 이는 플라토oning 및 융합 응용 분야에서 측정 가능한 안전성 및 효율성 향상을 입증한 바 있다.

ABSTRACT

Although Cooperative Driving Automation (CDA) has attracted considerable attention in recent years, there remain numerous open challenges in this field. The gap between existing simulation platforms that mainly concentrate on single-vehicle intelligence and CDA development is one of the critical barriers, as it inhibits researchers from validating and comparing different CDA algorithms conveniently. To this end, we propose OpenCDA, a generalized framework and tool for developing and testing CDA systems. Specifically, OpenCDA is composed of three major components: a co-simulation platform with simulators of different purposes and resolutions, a full-stack cooperative driving system, and a scenario manager. Through the interactions of these three components, our framework offers a straightforward way for researchers to test different CDA algorithms at both levels of traffic and individual autonomy. More importantly, OpenCDA is highly modularized and installed with benchmark algorithms and test cases. Users can conveniently replace any default module with customized algorithms and use other default modules of the CDA platform to perform evaluations of the effectiveness of new functionalities in enhancing the overall CDA performance. An example of platooning implementation is used to illustrate the framework's capability for CDA research. The codes of OpenCDA are available in the https://github.com/ucla-mobility/OpenCDA.

연구 동기 및 목표

• 협동 주행 자동화(CDA) 연구를 위한 통합된 오픈소스 시뮬레이션 플랫폼의 부족을 보완한다.
• 단일 차량 자율 주행 시뮬레이터와 다엔티티 CDA 시스템 간 격차를 메운다.
• 연구자들이 CDA 알고리즘을 효율적으로 프로토타ип화하고 테스트하며 비교할 수 있도록 유연하고 모듈러한 프레임워크를 제공한다.
• 표준화된 시나리오, 평가 지표 및 기준 구현을 통해 CDA 알고리즘의 벤치마킹을 가능하게 한다.
• ns-3, CARSim 등의 추가 시뮬레이터와의 통합 및 핵심 모듈의 커스터마이제이션을 지원하는 확장성을 제공한다.

제안 방법

• CARLA를 사용해 고정밀 차량 및 환경 시뮬레이션을 수행하고, SUMO를 사용해 거시적 교통 흐름과 도로 네트워크 모델링을 수행한다.
• perception, 로컬라이제이션, 플래닝, 제어, V2X 통신 모듈을 포함한 파이썬 기반의 종합적 CDA 소프트웨어 파이프라인을 구현한다.
• 기본 알고리즘을 사용자 정의 알고리즘으로 쉽게 교체할 수 있도록 플러그-앤플레이 아키텍처를 설계한다.
• 사전 정의된 벤치마크 시나리오(예: 플라토oning, 융합)와 사용자 정의 시나리오 생성을 위한 API를 포함한 시나리오 매니저를 개발한다.
• 공동 시뮬레이션을 통해 시뮬레이터 간 차량 동역학, 교통 흐름, 통신 행동을 동기화한다.
• V2X 통신 모델링을 위한 외부 시뮬레이터(ns-3) 및 고정밀 차량 동역학을 위한 CARSim과의 상호운용성을 지원한다.

Figure 1 : The overall architecture design of OpenCDA.The full-stack software of the designed cooperative driving system interacts with simulation tools to test the system performance in provided scenarios

실험 결과

연구 질문

• RQ1 개인 차량 자율주행과 협동 주행 자동화를 동시에 지원할 수 있는 통합 시뮬레이션 프레임워크는 어떻게 설계할 수 있는가?
• RQ2 CDA 시뮬레이션 플랫폼에서의 모듈러리티는 알고리즘 교체와 성능 비교를 얼마나 효율적으로 가능하게 하는가?
• RQ3 다양한 융합 전략(예: 히우리스틱 대비 GFS)은 협동 플라토닝 시나리오에서 안전성과 효율성에 어떤 영향을 미치는가?
• RQ4 종합적이고 오픈소스인 CDA 시뮬레이션 플랫폼은 플라토닝 및 융합과 같은 벤치마크 시나리오에서 안정적이고 안전한 성능을 달성할 수 있는가?
• RQ5 다중 시뮬레이터 CDA 공동 시뮬레이션 환경에서의 확장성과 상호운용성을 보장하기 위한 핵심 설계 원칙은 무엇인가?

주요 결과

• 플라토닝 알고리즘은 변화하는 주행 조건에서도 0.6초의 시간 간격을 안정적으로 유지하여 시스템의 안정성과 안전성을 입증하였다.
• 협동 융합 시나리오에서 GFS 기반 융합 전략은 0.6초 이상의 안전한 시간 간격을 유지하였지만, 히우리스틱 방법은 0.2초 이하로 떨어져 심각한 안전 위험을 드러냈다.
• GFS 기반 융합 방법은 9.9초 만에 작업을 완료하여 히우리스틱 방법의 13.1초보다 뛰어난 효율성을 보였다.
• 프레임워크는 단 한 줄의 코드 변경만으로도 핵심 모듈(예: 융합 로직)을 원활하게 교체할 수 있으며, 이는 시스템의 기능성과 정확성을 유지한다.
• OpenCDA에 내장된 벤치마크 알고리즘은 다양한 시나리오에서 신뢰할 수 있는 성능을 보이며, 종합적 CDA 소프트웨어 파이프라인의 완전성과 정확성을 입증하였다.
• OpenCDA는 CARLA, SUMO 및 확장 가능한 V2X 시뮬레이터를 포함한 이질적 시뮬레이터의 실시간 공동 시뮬레이션을 지원하여 확장성 있고 현실적인 CDA 테스트를 가능하게 한다.

Figure 2 : Simplified class diagram of platooning. Note we only exhibits partial design here.