[논문 리뷰] A Scaled Smart City for Experimental Validation of Connected and Automated Vehicles

Adam Stager, Luke Bhan외 2명|arXiv (Cornell University)|2017. 10. 31.

Traffic control and management참고 문헌 17인용 수 7

한 줄 요약

이 논문은 연결 및 자율 주행 차량(CAV) 제어 알고리즘의 분산 제어 알고리즘을 실험적으로 검증하기 위해 35대의 마이크로 연결 및 자율 주행 차량(MCAV)을 갖춘 1:25 스케일의 유니버시티 오브 델라웨어 스케일드 스마트 시티(UDSSC)를 제안한다. 실시간 최적 제어 프레임워크를 통해 이 시스템은 주행 시간을 18.7% 감소시키고, 정지-시작 주행을 제거함으로써 배터리 효율을 향상시켜 안전하고 확장 가능한 환경에서 에너지 효율적인 조정을 입증한다.

ABSTRACT

The common thread that characterizes energy efficient mobility systems for smart cities is their interconnectivity which enables the exchange of massive amounts of data; this, in turn, provides the opportunity to develop a decentralized framework to process this information and deliver real-time control actions that optimize energy consumption and other associated benefits. To seize these opportunities, this paper describes the development of a scaled smart city providing a glimpse that bridges the gap between simulation and full scale implementation of energy efficient mobility systems. Using this testbed, we can quickly, safely, and affordably experimentally validate control concepts aimed at enhancing our understanding of the implications of next generation mobility systems.

연구 동기 및 목표

• 모의 환경과 실제 도로 구현 간 격차를 메우기 위한 것.
• 실험적 검증을 위한 확장 가능하고 안전하며 저비용의 물리적 테스트베드를 개발하기 위한 것.
• 여러 CAV의 협동 병합을 위한 분산 제어 프레임워크의 효과성을 입증하여 주행 시간과 에너지 소비를 줄이기 위한 것.
• 통제된 환경에서 실제 MCAV를 사용한 실험적 검증을 통해 에너지 효율성 향상 정도를 정량화하기 위한 것.

제안 방법

• UDSSC 테스트베드는 400 평방피트 스케일에서 실제 도로 상황을 재현하며, 병합 도로, 교차로, 원형 교차로를 포함한다.
• 35대의 마이크로 연결 및 자율 주행 차량(MCAV)은 차량 간 통신(V2V) 및 차량-인프라 통신(V2I)을 위한 차량 내 컴퓨팅 및 통신 시스템을 탑재하고 있다.
• 병합 중 MCAV를 조정하기 위해 분산 최적 제어 프레임워크를 구현하여 주행 시간과 에너지 소비를 최소화하면서 운동학적 제약과 안전 제약을 만족시킨다.
• 충돌 회피와 부드러운 병합을 보장하는 단순화된 최적 제어 문제(11)를 해결하는 제어 알고리즘이 구현되어 있으며, 후방 충돌 또는 횡방향 충돌 제약을 명시적으로 강제하지 않는다.
• 운동 추적 시스템을 통해 차량 궤적을 추적하고, 배터리 상태(소비율, SOC)를 모니터링하여 에너지 효율성을 정량화한다.
• 두 가지 시나리오를 비교한다: 최적의 분산 제어와 정지-시작 주행을 유도하는 기본 차량 따라하기 모델.

실험 결과

연구 질문

• RQ1 스케일된 물리적 테스트베드는 실제 도로 상황에서 연결 및 자율 주행 차량(CAV)의 분산 제어 알고리즘을 효과적으로 검증할 수 있는가?
• RQ2 기존의 차량 따라하기 행동에 비해 협동 병합 제어는 주행 시간을 얼마나 줄이는가?
• RQ3 실제 MCAV 시스템에서 배터리 상태(소비율, SOC)로 측정했을 때, 조정된 병합은 에너지 효율성에 어떤 영향을 미치는가?
• RQ4 제안된 분산 제어 프레임워크는 충돌 제약을 명시적으로 강제하지 않더라도 안전성과 부드러운 병합을 보장할 수 있는가?

주요 결과

• 최적 제어 알고리즘이 기준 시나리오 대비 병합 주행 시간을 18.7% 감소시켜, 16.5초에서 20.3초로 병합 작업을 완료했다.
• 최적 제어 프레임워크 하에서 모든 MCAV의 배터리 상태(소비율, SOC)가 유의미하게 높아져 에너지 효율성이 향상됨을 입증했다.
• 병합 구역에서 정지-시작 주행이 성공적으로 제거되어 에너지 낭비와 혼잡의 주요 원인이 사라졌다.
• 실험 결과는 최적 제어 문제(11)의 해석적 해가 충돌 제약을 명시적으로 강제하지 않더라도 안전 제약을 충족시킴을 확인했다.
• 테스트베드는 분산 조정을 통해 추적 오차가 최소화되고 반복성이 높은 부드럽고 효율적인 병합을 가능하게 했다.
• 통제된 환경에서 실제 MCAV를 통합함으로써 이론적 제어 프레임워크의 검증을 위한 신뢰할 수 있는 플랫폼을 제공한다.