[논문 리뷰] SmartShuttle: Model Based Design and Evaluation of Automated On-Demand Shuttles for Solving the First-Mile and Last-Mile Problem in a Smart City

Şükrü Yaren Gelbal, Bilin Aksun Güvenç외 1명|arXiv (Cornell University)|2020. 12. 23.

Autonomous Vehicle Technology and Safety참고 문헌 40인용 수 4

한 줄 요약

이 논문은 스마트 시티의 제1마일 및 제8마일 이동 과제를 해결하기 위해 설계된 모델 기반 프레임워크인 SmartShuttle를 제시한다. GPS 및 맵 매칭 기반 정위치화, 하드웨어 인 더 루프(HIL) 시뮬레이션, 그리고 데이터 수집 및 라이다 맵핑을 통해 검증된 확장 가능한 자율 주행 아키텍처를 통합하였으며, 지정된 지역 내에서 개방형 데이터셋을 공유함으로써 연구의 재현 가능성을 높였다.

ABSTRACT

The final project report for the SmartShuttle sub-project of the Ohio State University is presented in this report. This has been a two year project where the unified, scalable and replicable automated driving architecture introduced by the Automated Driving Lab of the Ohio State University has been further developed, replicated in different vehicles and scaled between different vehicle sizes. A limited scale demonstration was also conducted during the first year of the project. The architecture used was further developed in the second project year including parameter space based low level controller design, perception methods and data collection. Perception sensor and other relevant vehicle data were collected in the second project year. Our approach changed to using soft AVs in a hardware-in-the-loop simulation environment for proof-of-concept testing. Our second year work also had a change of localization from GPS and lidar based SLAM to GPS and map matching using a previously constructed lidar map in a geo-fenced area. An example lidar map was also created. Perception sensor and other collected data and an example lidar map are shared as datasets as further outcomes of the project.

연구 동기 및 목표

• 도시 환경에서의 수요 기반 셔틀을 위한 통합적이고 확장 가능하며 재현 가능한 자율 주행 아키텍처를 개발하기 위해.
• 수요 기반 자율 셔틀 서비스를 통해 스마트 시티의 제1마일 및 제8마일 이동 과제를 해결하기 위해.
• 사전 구축된 라이다 맵을 사용하여 라이다 기반 SLAM을 GPS 및 맵 매칭으로 대체함으로써 정위치화 정확도를 향상시키기 위해.
• 제한된 지정 지역 내에서 실세계 데이터 수집 및 하드웨어 인 더 루프 시뮬레이션을 통해 시스템을 검증하기 위해.
• 연구의 재현 가능성을 높이기 위해 인식 센서 데이터 및 샘플 라이다 맵을 포함한 개방형 데이터셋을 제작하고 공유하기 위해.

제안 방법

• 오하이오 주립대학교에서 개발한 통합 자율 주행 아키텍처를 기반으로 한 모델 기반 설계 접근법을 채택하였다.
• 향상된 동적 반응성과 안정성을 확보하기 위해 파라미터 공간 기반 저수준 제어기 설계를 구현하였다.
• 시스템 훈련 및 검증을 위해 두 번째 사업 연도 동안 인식 센서 및 차량 데이터를 수집하였다.
• 프로토타입 테스트를 위한 개념 증명을 위해 전체 자율주행 시뮬레이션에서 하드웨어 인 더 루프(HIL) 시뮬레이션 환경 내 소프트 AV로 전환하였다.
• 사전 구축된 라이다 맵을 사용하여 GPS 및 라이다 기반 SLAM을 GPS 및 맵 매칭으로 대체하여 정위치화를 수행하였다.
• 고정밀 맵 매칭 기반 정위치화 및 주행을 지원하기 위해 지정 지역의 샘플 라이다 맵을 생성하였다.

실험 결과

연구 질문

• RQ1 어떻게 도시 환경에서의 수요 기반 셔틀 서비스를 위한 확장 가능하고 재현 가능한 자율 주행 아키텍처를 설계할 수 있는가?
• RQ2 제한된 지정 지역 내에서 GPS 및 맵 매칭 vs. GPS 및 라이다 기반 SLAM 중 어떤 정위치화 방법이 더 뛰어난 성능을 보이는가?
• RQ3 하드웨어 인 더 루프 시뮬레이션은 실세계 배치 이전에 자율 셔틀 제어 및 인식 시스템을 효과적으로 검증하는 데 얼마나 유용한가?
• RQ4 어떻게 인식 센서 및 차량 데이터를 체계적으로 수집하고 공유하여 자율 셔틀 분야의 연구 및 개발를 지원할 수 있는가?
• RQ5 사전 구축된 라이다 맵은 자율 셔틀의 정위치화 정확도 및 시스템 신뢰성 향상에 어떤 역할을 하는가?

주요 결과

• SmartShuttle 시스템은 2년간의 개발 기간 동안 다양한 차량 크기에서 확장 가능한 자율 주행 아키텍처를 성공적으로 구현하였다.
• 라이다 기반 SLAM에서 GPS 및 맵 매칭으로의 전환은 지정 지역 내에서 정위치화의 강건성 향상과 계산 부하 감소를 이끌어냈다.
• 소프트 AV를 활용한 하드웨어 인 더 루프 시뮬레이션은 제어 및 인식 모듈에 대한 신뢰할 수 있는 개념 증명 검증 환경을 제공하였다.
• 고정밀 라이다 맵이 성공적으로 구축되어 맵 매칭 기반 정위치화를 가능하게 하였다.
• 인식 센서 및 차량 데이터가 수집되어 연구 및 시스템 검증을 위한 개방형 데이터셋으로 공개되었다.
• 연구 커뮤니티가 복제 및 확장할 수 있도록 프로젝트 결과물로 데이터셋 및 아키텍처 프레임워크가 공개되어 있다.