[논문 리뷰] Trajectory Planning for Connected and Automated Vehicles at Isolated Signalized Intersections under Mixed Traffic Environment

Chengyuan Ma, Chunhui Yu외 1명|arXiv (Cornell University)|2021. 02. 06.

Traffic control and management참고 문헌 31인용 수 5

한 줄 요약

이 논문은 혼잡한 교통 환경에서 인간 운전 차량과 자율주행차(CAVs)가 공존하는 고립형 신호등 교차로에서 연결형 자율주행차(CAVs)의 경로 계획을 위한 탈중앙화된 이중 최적화 프레임워크를 제안한다. 차선 변경 전략 트리(LCST)와 병렬 몬테카를로 트리 탐색(PMCTS)을 사용하여 종방향 가속도와 횡방향 차선 변경 결정을 통합 최적화하여 지연, 연료 소비 및 차선 변경 비용을 최소화한다. 기준 사례 대비 뚜렷한 효율성 향상과 연료 경제성 향상을 입증한다.

ABSTRACT

Trajectory planning for connected and automated vehicles (CAVs) has the potential to improve operational efficiency and vehicle fuel economy in traffic systems. Despite abundant studies in this research area, most of them only consider trajectory planning in the longitudinal dimension or assume the fully CAV environment. This study proposes an approach to the decentralized planning of CAV trajectories at an isolated signalized intersection under the mixed traffic environment, which consists of connected and human-driven vehicles (CHVs) and CAVs. A bi-level optimization model is formulated based on discrete time to optimize the trajectory of a single CAV in both the longitudinal and lateral dimensions given signal timings and the trajectory information of surrounding vehicles. The upper-level model optimizes lateral lane-changing strategies. The lower-level model optimizes longitudinal acceleration profiles based on the lane-changing strategies from the upper-level model. Minimization of vehicle delay, fuel consumption, and lane-changing costs are considered in the objective functions. A Lane-Changing Strategy Tree (LCST) and a Parallel Monte-Carlo Tree Search (PMCTS) algorithm are designed to solve the bi-level optimization model. CAV trajectories are planned one by one according to their distance to the stop bar. A rolling horizon scheme is applied for the dynamic implementation of the proposed model with time-varying traffic condition. Numerical studies validate the advantages of the proposed trajectory planning model compared with the benchmark cases without CAV trajectory planning.

연구 동기 및 목표

• 인간 운전 차량(CHVs)과 연결형 자율주행차(CAVs)가 공존하는 혼잡한 교통 환경에서 CAVs의 경로 계획에 대한 격차를 보완하기 위해.
• 고립형 신호등 교차로에서 종방향 및 횡방향 차량 운동을 최적화하는 탈중앙화된 경로 계획 접근법을 개발하기 위해.
• 통합 경로 최적화를 통해 차량 지연, 연료 소비 및 차선 변경 비용을 최소화하기 위해.
• 변동하는 교통 조건에 대응하기 위해 윤곽 주기 계획을 사용하여 동적 적응을 가능하게 하기 위해.

제안 방법

• 이산 시간 단위를 사용하여 종방향 및 횡방향 차원에서 CAV 경로를 계획하기 위한 이중 최적화 모델을 수립한다.
• 상위 수준 모델은 신호 주기 및 주변 차량 경로를 기반으로 최적의 횡방향 차선 변경 전략을 결정한다.
• 하위 수준 모델은 선택된 차선 변경 전략에 기반하여 최적의 종방향 가속도 프로파일을 계산한다.
• 가능한 차선 변경 옵션을 체계적으로 탐색하기 위해 차선 변경 전략 트리(LCST)를 활용한다.
• 고차원 최적화 문제를 효율적으로 해결하기 위해 병렬 몬테카를로 트리 탐색(PMCTS) 알고리즘을 사용한다.
• 변동하는 교통 조건 하에서 실시간으로 동적으로 구현할 수 있도록 윤곽 주기 계획을 적용한다.

실험 결과

연구 질문

• RQ1 인간 운전 차량과 함께 도로를 공유하는 고립형 신호등 교차로에서 CAVs는 어떻게 최적화되어 조율될 수 있는가?
• RQ2 혼잡한 교통 환경에서 종방향 및 횡방향 경로 최적화의 통합이 교통 효율성과 연료 경제성에 어떤 영향을 미치는가?
• RQ3 시간에 따라 변화하는 교통 조건 하에서 탈중앙화된 경로 계획은 어떻게 효과적으로 구현될 수 있는가?
• RQ4 차선 변경 결정은 신호등 교차로에서 지연과 연료 소비를 최소화하는 데 어떤 역할을 하는가?
• RQ5 제안된 방법은 CAV 경로 계획이 없는 기준 전략 대비 어떻게 비교되는가?

주요 결과

• 제안된 경로 계획 모델은 CAV 경로 계획이 없는 기준 사례 대비 차량 지연을 뚜렷이 감소시킨다.
• 최적화된 가속도 프로파일과 정지-재시동 행동 감소로 인해 연료 소비가 뚜렷이 감소한다.
• LCST와 PMCTS를 통한 차선 변경 전략 통합으로 교차로에서 전체 교통 흐름과 조율성이 향상된다.
• 윤곽 주기 구현을 통해 실시간으로 변화하는 교통 조건에 대한 적응성이 보장된다.
• 수치적 연구를 통해 혼잡한 교통 환경에서 운영 효율성과 에너지 효율성을 향상시키는 모델의 효과성이 확인된다.