[논문 리뷰] Robust Eco-Driving Control of Autonomous Vehicles Connected to Traffic Lights

Chao Sun, Jacopo Guanetti외 2명|arXiv (Cornell University)|2018. 02. 16.

Traffic control and management참고 문헌 19인용 수 19

한 줄 요약

이 논문은 불확실한 신호 주기 조건 하에서 연결형 자율주행차(CAVs)가 신호등과 상호작용할 때 생태 주행 제어를 위한 데이터 기반, 확률적 제약 조건을 갖춘 강건 최적화 프레임워크를 제안한다. 효과적인 빨간불 지속 시간(ERD)을 랜덤 변수로 모델링하고, 실측 데이터를 활용해 강건한 확률 제약 조건을 설정함으로써, 연료 소모를 40% 감소시키면서도 도착 시간은 유사하게 유지하는 최적의 속도 궤적을 동적 프로그래밍을 통해 도출한다. 이 과정에서 ERD의 진정된 분포에 대한 사전 지식이 필요로 하지 않는다.

ABSTRACT

This paper focuses on the speed planning problem for connected and automated vehicles (CAVs) communicating to traffic lights. The uncertainty of traffic signal timing for signalized intersections on the road is considered. The eco-driving problem is formulated as a data-driven chance constrained robust optimization problem. Effective red light duration (ERD) is defined as a random variable, and describes the feasible passing time through the signalized intersections. In practice, the true probability distribution for ERD is usually unknown. Consequently, a data-driven approach is adopted to formulate chance constraints based on empirical sample data. This incorporates robustness into the eco-driving control problem with respect to uncertain signal timing. Dynamic programming (DP) is employed to solve the optimization problem. Simulation results demonstrate that the proposed method can generate optimal speed reference trajectories with 40% less vehicle fuel consumption, while maintaining the arrival time at a similar level when compared to a modified intelligent driver model (IDM). The proposed control approach significantly improves the controller robustness in the face of uncertain signal timing, without requiring to know the distribution of the random variable a priori.

연구 동기 및 목표

• 연결형 자율주행차(CAVs)의 생태 주행 제어에서 신호등 주기의 불확실성 문제를 해결하기 위해.
• 신호등 주기 불확실성의 진정된 확률 분포가 알려지지 않은 상태에서도 성능을 유지할 수 있는 강건 제어 프레임워크를 개발하기 위해.
• 최적의 속도 계획을 통해 연료 소비를 최소화하면서도 교차로에 적시에 도착할 수 있도록 보장하기 위해.
• 최적화 과정에서 효과적인 빨간불 지속 시간(ERD)의 진정된 분포에 대한 사전 지식이 필요 없도록 하기 위해.

제안 방법

• 신호등 주기 불확실성을 다루기 위해 생태 주행 문제를 데이터 기반의 확률적 제약 조건을 갖춘 강건 최적화 문제로 재구성한다.
• 신호등 교차로를 통과할 수 있는 타이밍을 나타내는 랜덤 변수로 효과적인 빨간불 지속 시간(ERD)을 도입한다.
• 실측 표본 데이터를 활용해 확률 제약 조건을 구성함으로써, ERD의 진정된 분포를 알지 못해도 강건성을 확보할 수 있도록 한다.
• 해결된 최적화 문제를 풀기 위해 동적 프로그래밍(DP)을 적용하여 최적의 속도 기준 궤적을 생성한다.
• 관측된 데이터로부터 ERD의 누적분포함수를 근사하기 위해 데이터 기반 접근법을 활용함으로써 강건성을 향상시킨다.
• 실시간 신호 통신을 통합하여 예측 가능한 속도 계획을 가능하게 하여 연료 효율성과 일정 준수 사이의 균형을 이룬다.

실험 결과

연구 질문

• RQ1 신호등 주기 분포에 대한 사전 지식이 없이도 신호등 주기 불확실성에 강건한 생태 주행 제어는 어떻게 달성할 수 있는가?
• RQ2 효과적인 빨간불 지속 시간(ERD)을 랜덤 변수로 모델링할 경우 연료 소비와 도착 시간 일관성에 어떤 영향을 미치는가?
• RQ3 데이터 기반의 확률적 제약 조건을 갖춘 최적화 접근법은 얼마나 많은 연료 소비 감소를 이룰 수 있으며, 교차로 통과 시 적시성은 유지할 수 있는가?
• RQ4 기존의 수정된 IDM 모델과 비교했을 때, 제안된 방법은 불확실성 하에서 연료 효율성과 강건성 측면에서 어떻게 다른가?
• RQ5 동적 프로그래밍은 연결 차량의 실시간 속도 계획을 위한 강건 최적화 문제를 효과적으로 해결할 수 있는가?

주요 결과

• 제안된 방법은 수정된 지능형 운전자 모델(IDM) 대비 차량의 연료 소모를 40% 감소시켜 뚜렷한 연료 효율성 향상을 입증한다.
• 컨트롤러는 도착 시간을 수정된 IDM 수준으로 유지함으로써, 불확실성 속에서도 강력한 일정 준수 성능을 보인다.
• 효과적인 빨간불 지속 시간(ERD)의 진정된 확률 분포에 대한 사전 지식이 필요 없이도 강건한 성능을 달성한다.
• 실측 데이터를 활용해 확률 제약 조건을 설정함으로써, 신호등 주기 변동성에 대한 시스템의 강건성이 향상된다.
• 시뮬레이션 결과는 불확실성 하에서 교차로 통과의 적시성과 연료 경제성을 효과적으로 균형 잡는 데 성공했음을 확인한다.
• 동적 프로그래밍은 연료 최소화 및 시간 제약 조건을 모두 만족하는 최적의 속도 궤적을 성공적으로 계산한다.