[논문 리뷰] Safe Human-Inspired Mesoscopic Hybrid Automaton for Longitudinal Vehicle Control

Alessio Iovine, Francesco Valentini외 3명|arXiv (Cornell University)|2015. 07. 28.

Traffic control and management참고 문헌 16인용 수 5

한 줄 요약

이 논문은 차량 간 통신을 통해 미시적 운전자 행동 모델과 거시적 교통 흐름 데이터를 통합함으로써 종래의 적응형 크루이즈 컨트롤보다 안정성과 안전성을 향상시킨 인간 중심의 중간 척도 하이브리드 오토마타를 제안한다. 수많은 교통 조건에 따라 시간 간격을 동적으로 조정함으로써 가속도 피크를 감소시키고 차량 열차의 안정성을 향상시켜, 진동을 줄이고 교통 흐름을 개선한 부드럽고 안전한 차량 추종 제어를 실현한다.

ABSTRACT

In this paper a mesoscopic hybrid automaton is introduced in order to obtain a human-inspired based adaptive cruise control.

연구 동기 및 목표

• 편안함과 안전성 측면에서 인간 운전 행동을 모방하는 적응형 크루이즈 컨트롤(ACC) 시스템을 개발하는 것.
• 거시적 교통 흐름 정보(예: 밀도, 유량)를 미시적 차량 제어 모델에 통합하여 반응성과 안정성을 향상시키는 것.
• 하이브리드 오토마타 모델링을 통해 상태 피드백과 외란 제거를 통한 차량 추종 시나리오에서의 안전성과 안정성을 확보하는 것.
• 실시간으로 교통 상태 데이터를 공유할 수 있는 차량 간 통신 프레임워크의 타당성을 평가하는 것.
• 거시적 통찰을 미시적 제어 모델에 통합함으로써 열차 불안정성을 감소시키고 교통 흐름을 향상시킬 수 있음을 입증하는 것.

제안 방법

• 각 후행 차량을 연속적인 운동학적 동역학(위치, 상대 속도, 절대 속도)과 이산 상태로 제어 논리를 제어하는 6개 상태의 하이브리드 오토마타로 모델링한다.
• 제어 논리는 정신-신체적 원리와 자극-반응 원리를 기반으로 하여 다양한 조건에서 인간 운전자의 행동을 모방한다.
• 분산에 기반한 시간 간격 메커니즘은 거시적 교통 분산에 따라 목적 시간 간격을 동적으로 조정함으로써 중간 척도 적응을 가능하게 한다.
• 모델은 국소적 정보(리더 차량의 상태)와 글로벌 교통 데이터(차량 간 통신를 통한)를 사용하여 교통 흐름 변화를 예측하고 브레이킹/가속 조작을 사전에 조정한다.
• 중앙집중식 또는 분산식 통신 아키텍처가 타임스탬프가 찍힌 지리적 위치 기반 패킷을 사용하여 교통 상태 데이터(예: 속도, 밀도)를 전송함으로써 중복 방지를 방지하고 신뢰성을 확보한다.
• 하이브리드 시스템 이론을 사용하여 안정성과 안전성을 공식적으로 분석하며, 안전한 차량 추종 행동을 위한 평형점이 정의된다.

실험 결과

연구 질문

• RQ1 어떻게 하이브리드 오토마타 모델을 설계하여 종래의 차량 추종 제어에서 인간처럼 편안함과 안정성을 구현할 수 있는가?
• RQ2 시간 간격 정책에 거시적 교통 분산을 통합함으로써 열차 안정성 향상과 진동 감소에 어느 정도 기여하는가?
• RQ3 연결된 차량 간에 실시간으로 신뢰성 있게 거시적 교통 데이터를 공유할 수 있는 데 필요한 통신 아키텍처는 무엇인가?
• RQ4 제안된 중간 척도 제어 모델은 종래의 미시적 ACC에 비해 일시적 반응과 열차 안정성 측면에서 어떻게 비교되는가?
• RQ5 거시적 유량 데이터를 미시적 제어 프레임워크에 통합함으로써 가속도 피크를 감소시키고 교통 흐름을 향상시킬 수 있는가?

주요 결과

• 제안된 중간 척도 하이브리드 오토마타는 특히 감속 및 가속 이벤트 시 차량 열차의 가속도 피크와 일시적 진동을 효과적으로 감소시켰다.
• VDT 유사 메커니즘이 활성화된 경우 시뮬레이션에서 다섯 번째 차량은 감속을 45~55초에 예측하지만, 이 메커니즘이 비활성화된 경우 55~65초에 예측함으로써 반응성 향상을 입증했다.
• 그림 6의 위상도는 VDT 유사 메커니즘 케이스에서 더 매끄러운 일시적 반응을 보이며 평형점으로 수렴하는 경로가 더 부드럽게 나타남을 보여준다.
• 거시적 데이터를 사용할 경우 평형점 주변의 진동이 감소하여 열차 안정성이 향상되고 충격 波 전파 위험도 감소함을 나타낸다.
• 모든 시나리오에서 충돌 회피가 유지되어 VDT 모드가 활성화되었는지 여부에 관계없이 안전성이 확인되었다.
• 시뮬레이션 결과는 미시적 제어와 거시적 교통 정보를 조합함으로써 전체 시스템 성능과 흐름이 향상됨을 확인했다.