[論文レビュー] Towards Fully Intelligent Transportation through Infrastructure-Vehicle Cooperative Autonomous Driving: Challenges and Opportunities

Shaoshan Liu, Yu Bo+2 more|arXiv (Cornell University)|Mar 3, 2021

Vehicular Ad Hoc Networks (VANETs)参考文献 8被引用数 5

ひとこと要約

本論文は、感知と計画を知的レーン側ユニット（SoRs）にオフロードすることで、安全性、効率性、コスト削減を実現する、インフラストラクチャー・ビークル協調自動運転フレームワークを三段階に分けたもの—インフラストラクチャー補完（IAAD）、インフラストラクチャー誘導（IGAD）、インフラストラクチャー計画（IPAD）—を提案する。実運用では、脱退率が90％削減され、交通効率が40％向上し、集中型インフラストラクチャー支援により、車両コストが50％以上低減する可能性がある。

ABSTRACT

The infrastructure-vehicle cooperative autonomous driving approach depends on the cooperation between intelligent roads and intelligent vehicles. This approach is not only safer but also more economical compared to the traditional on-vehicle-only autonomous driving approach. In this paper, we introduce our real-world deployment experiences of cooperative autonomous driving, and delve into the details of new challenges and opportunities. Specifically, based on our progress towards commercial deployment, we follow a three-stage development roadmap of the cooperative autonomous driving approach:infrastructure-augmented autonomous driving (IAAD), infrastructure-guided autonomous driving (IGAD), and infrastructure-planned autonomous driving (IPAD).

研究の動機と目的

• 知的車両とレーン側インフラストラクチャー間の協働を可能にすることで、自動運転における安全性、効率性、コストの課題に対処すること。
• 高価な車両内センサーやコンピューティングに依存するのを減らし、感知と計画タスクをレーン側ユニット（SoRs）にオフロードすること。
• IAADからIPADへの段階的進化を通じて、スケーラブルで安全かつ効率的な交通運用を実現すること。
• リアルタイムに車両とインフラストラクチャーの感知データを統合することで、脱退率を最小限に抑え、交通の流れを改善すること。
• ネットワーク障害やサイバー攻撃が発生した場合を含め、すべての段階でシステムの信頼性とセキュリティを確保すること。

提案手法

• カメラ、レーダー、LiDAR、C-V2X RSUを装備したシステム・オン・ロード（SoRs）を展開し、車両とのリアルタイム感知と通信を提供すること。
• 複数のSoRsとSoVsからの意味的データを統合するための集中型インテリジェント交通クラウドシステム（ITCS）を用いて、グローバル交通感知マップを構築すること。
• ネットワークのデッドライン監視に基づく動的意思決定を実行する、オンボード統合エンジンを実装し、ローカル車両感知データとインフラストラクチャー提供データを統合すること。
• 三段階に分けて、車両からSoRsに感知と計画タスクを段階的にオフロードする：IAAD（補完）、IGAD（誘導）、IPAD（集中計画）。
• C-V2Xの故障時にも接続性と安全性を維持するため、C-V2Xと5Gの二重ネットワーク冗長性を採用すること。
• 従来のネットワークセキュリティ技術とオンボードの競合検出を用いて、インフラストラクチャーのデータを検証し、悪意のある入力を防止すること。

実験結果

リサーチクエスチョン

• RQ1 インフラストラクチャー・ビークル協働により、実世界の条件下で自動運転車両の脱退率をどのように低減し、安全性を向上させることができるか？
• RQ2 特に高速走行下において、インフラストラクチャー補完型自動運転における主なネットワーク性能とセキュリティの課題は何か？
• RQ3 感知と計画のワークロードをどのように段階的に車両からインフラストラクチャーにオフロードすることで、車両コストとエネルギー消費を削減できるか？
• RQ4 自動走行中にインフラストラクチャー通信が障害が発生した場合、信頼性とフェイルオーバー機能を確保するメカニズムは何か？
• RQ5 集中型グローバル交通計画は、どのように効率性を最大化しつつ、SoRカバレッジ領域内での車両レベルの安全性と遷移制御を維持できるか？

主な発見

• SoRsの導入により、見えない領域の除去と認識範囲の拡大によって、自動運転車両の脱退率が90％以上削減された。
• テストサイトでは、SoRsが提供する個別車両追跡データを用いた知的信号制御により、交通効率が40％向上した。
• ネットワークジタータが5 ms未満に保たれるなど、安定した性能を達成した。リアルタイム統合には超信頼性低遅延通信（URLLC）が必要であった。
• 意味的データ交換により帯域幅要件が低く（1.5 MB/s未満）、遅延とジタータと比較して帯域幅は制約にならなかった。
• 融合エンジンは、デッドライン準拠と競合検出に基づき、SoRとSoVの感知データの間で動的に切り替えることで、強靭性を示した。
• 提案された三段階ロードマップにより、車両中心の自律走行からインフラストラクチャー中心の自律走行へのスケーラブルな移行が可能となり、自動運転車両のハードウェアおよびエネルギーコストが50％以上削減される可能性がある。