[논문 리뷰] Using Empirical Trajectory Data to Design Connected Autonomous Vehicle Controllers for Traffic Stabilization

Yujie Li, Sikai Chen외 4명|arXiv (Cornell University)|2020. 10. 11.

Traffic control and management인용 수 13

한 줄 요약

이 논문은 NGSIM 데이터셋에서 확보한 실측 궤적 데이터를 활용하여 혼잡한 교통 환경에서 혼합 교통 흐름을 안정화하는 실시간, 데이터 기반 제어기 설계를 제안한다. 인간 운전 차량(HDV)의 개별 행동에 맞춰 미세구조적 교통 흐름 모델을 校정하고 CAV 제어기를 동적으로 적응시키는 방식으로, 정체-해제 파동의 전파를 크게 감소시켜 혼합 교통 환경에서의 교통 안정성과 안전성을 향상시킨다.

ABSTRACT

Emerging transportation technologies offer unprecedented opportunities to improve the efficiency of the transportation system from the perspectives of energy consumption, congestion, and emissions. One of these technologies is connected and autonomous vehicles (CAVs). With the prospective duality of operations of CAVs and human driven vehicles in the same roadway space (also referred to as a mixed stream), CAVs are expected to address a variety of traffic problems particularly those that are either caused or exacerbated by the heterogeneous nature of human driving. In efforts to realize such specific benefits of CAVs in mixed-stream traffic, it is essential to understand and simulate the behavior of human drivers in such environments, and microscopic traffic flow (MTF) models can be used to carry out this task. By helping to comprehend the fundamental dynamics of traffic flow, MTF models serve as a powerful approach to assess the impacts of such flow in terms of safety, stability, and efficiency. In this paper, we seek to calibrate MTF models based on empirical trajectory data as basis of not only understanding traffic dynamics such as traffic instabilities, but ultimately using CAVs to mitigate stop-and-go wave propagation. The paper therefore duly considers the heterogeneity and uncertainty associated with human driving behavior in order to calibrate the dynamics of each HDV. Also, the paper designs the CAV controllers based on the microscopic HDV models that are calibrated in real time. The data for the calibration is from the Next Generation SIMulation (NGSIM) trajectory datasets. The results are encouraging, as they indicate the efficacy of the designed controller to significantly improve not only the stability of the mixed traffic stream but also the safety of both CAVs and HDVs in the traffic stream.

연구 동기 및 목표

• 혼합 교통 환경에서 이질적인 인간 운전 행동으로 인한 교통 불안정성 문제를 해결하기 위해.
• 혼합 교통 흐름에서 정체-해제 파동 전파를 완화하는 실시간, 적응형 CAV 제어기를 개발하기 위해.
• NGSIM 데이터셋에서 확보한 실측 궤적 데이터를 활용해 개별 HDV 동역학을 校정하여 정밀한 미세구조적 교통 모델링을 수행하기 위해.
• 교정된 HDV 모델을 동적 CAV 제어 프레임워크에 통합하여 안정성과 안전성을 향상시키기 위해.

제안 방법

• 혼합 교통 환경에서의 이질적인 운전 행동을 반영하기 위해 NGSIM 데이터셋의 실측 궤적 데이터를 활용해 개별 인간 운전 차량(HDV) 동역학을 校정하기 위해.
• 실제 주행의 변동성을 반영하는 시간에 따라 변화하는 매개변수를 갖는 미세구조적 교통 흐름(MTF) 모델을 개발하여 개별 HDV 행동를 표현하기 위해.
• 교정된 HDV 모델의 실시간 업데이트를 기반으로 변화하는 교통 조건에 적응하는 연결형 자율주행차(CAV) 제어기를 설계하기 위해.
• 실시간 HDV 동역학 추정치를 활용해 교통파동 성장을 억제하고 흐름을 안정화시키기 위한 피드백 제어 전략을 구현하기 위해.
• 궤적 데이터에서 유도된 관측된 교통 불안정성 지표에 따라 반응하는 동적 제어기 이득 조정 메커니즘을 사용하기 위해.
• NGSIM 데이터를 활용한 시뮬레이션을 통해 안정성 및 안전성 지표 측면에서 성능을 평가하기 위해 제어기를 검증하기 위해.

실험 결과

연구 질문

• RQ1 실측 궤적 데이터는 어떻게 혼합 교통 환경에서 개별 인간 운전 차량의 이질적 행동을 정확히 모델링하는 데 활용될 수 있는가?
• RQ2 실시간 HDV 모델 校정이 CAV 제어기의 교통 흐름 안정화 성능에 미치는 영향은 무엇인가?
• RQ3 데이터 기반 CAV 제어기는 어떤 정도 혼합 교통 시나리오에서 정체-해제 파동 전파를 감소시킬 수 있는가?
• RQ4 실시간 HDV 모델링에 기반한 CAV 제어기 매개변수의 동적 적응이 교통 안정성과 안전성 향상에 어떻게 기여하는가?
• RQ5 기본 전략 대비 제안된 제어기를 사용할 경우 교통 안정성과 안전성에서 측정 가능한 정량적 향상은 무엇인가?

주요 결과

• 제안된 제어기는 혼합 교통 시뮬레이션에서 정체-해제 파동의 진폭과 전파 속도를 크게 감소시킨다.
• NGSIM 궤적 데이터를 활용한 실시간 HDV 동역학 校정은 더 정확하고 반응성이 높은 CAV 제어 전략을 가능하게 한다.
• 교통파동 성장을 억제함으로써 제어기는 이질적인 운전 조건에서도 더 원활한 흐름을 만들어내어 교통 안정성을 향상시킨다.
• 급격한 브레이킹 감소와 개선된 간격 제어 덕분에 CAV 및 HDV의 안전 지표가 향상된다.
• 실시간으로 개인 운전자 동역학에 적응함으로써 인간 운전 행동의 변동성에 뛰어난 강인성을 보인다.
• 정량적 결과는 혼합 교통 시나리오에서 이동 시간 변동성 감소와 처리 능력 향상을 입증한다.