[论文解读] A Research and Educational Robotic Testbed for Real-time Control of Emerging Mobility Systems: From Theory to Scaled Experiments

Behdad Chalaki, Logan E. Beaver+3 more|arXiv (Cornell University)|Sep 11, 2021

Traffic control and management被引用 5

一句话总结

本文提出IDS3C，一个1:25比例的机器人实验平台，用于实现联网与自动驾驶车辆（CAVs）的实时控制，使在仿真之外能够开展可重复的物理实验。该平台展示了在交叉路口、环岛和汇合道路等场景中协调CAVs的实时控制框架，成功实现100%消除启停驾驶行为，并在多达15辆CAVs的多种场景中维持安全、高效的行驶轨迹，且无任何安全约束违规。

ABSTRACT

Emerging mobility systems, e.g., connected and automated vehicles (CAVs), shared mobility, and electric vehicles, provide the most intriguing opportunity for enabling users to better monitor transportation network conditions and make better decisions for improving safety and transportation efficiency. However, before connectivity and automation are deployed en masse, a thorough evaluation of CAVs is required-ranging from numerical simulation to real-world public roads. Assessment of the performance of CAVs in scaled testbeds has recently gained momentum due to the flexibility they offer to conduct quick, repeatable experiments that could go one step beyond simulation. This article introduces the Information and Decision Science Lab's Scaled Smart City (IDS$^3$C), a 1:25 research and educational scaled robotic testbed that is capable of replicating different real-world urban traffic scenarios. IDS$^3$C was designed to investigate the effect of emerging mobility systems on safety and transportation efficiency. On the educational front, IDS$^3$C can be used for (a) training and educating graduate students by exposing them to a balanced mix of theory and practice, (b) integrating the research outcomes into existing courses, (c) involving undergraduate students in research, (d) creating interactive educational demos, and (e) reaching out to high-school students. In our exposition, we also present a real-time control framework that can be used to coordinate CAVs at traffic scenarios such as crossing signal-free intersections, merging at roadways and roundabouts, cruising in congested traffic, passing through speed reduction zones, and lane-merging or passing maneuvers. Finally, we provide a tutorial for applying our framework in coordinating robotic CAVs to a multi-lane roundabout scenario and a transportation corridor in IDS$^3$C.

研究动机与目标

• 开发一个可扩展的物理实验平台，用于在仿真之外验证新兴移动系统实时控制算法的性能。
• 通过提供可重复、低成本且安全的实验环境，解决仿真方法的局限性，涵盖真实车辆动力学和通信延迟。
• 通过将研究成果整合到本科和研究生教育及科普活动中，弥合理论与实践之间的差距。
• 评估协同控制CAVs在复杂城市交通场景（如多车道环岛、交叉路口和汇合道路）中的性能表现。
• 展示实时控制框架在真实条件下提升交通效率与安全性的有效性。

提出的方法

• 设计并实现一个20×20英尺的缩放智能城市实验平台（IDS3C），配备50辆以1:25比例运行的机器人CAVs。
• 开发基于模型预测控制（MPC）的实时控制框架，用于协调CAVs在交叉路口、环岛和汇合道路等交通场景中的运行。
• 实施基于队列的汇合逻辑，仅在安全时允许车辆进入汇合区域，避免受交通信号影响的偏差。
• 实施速度限制（控制区外0.3 m/s，整体0.5 m/s），以确保一致进入控制区，并支持车辆在关键区域加速通过。
• 采用集中式协调策略，计算最优轨迹，同时遵守安全约束，包括横向和纵向间距要求。
• 通过实时视频、轨迹记录以及速度均匀性、启停频率等性能指标，开展实验验证。

实验结果

研究问题

• RQ1 缩放机器人实验平台是否能有效在仿真之外验证CAVs在复杂城市交通场景中的实时控制算法？
• RQ2 CAVs的实时协调如何影响多车道环岛和交通走廊中的交通效率与安全性？
• RQ3 控制框架在动态交通场景中，能在多大程度上消除启停驾驶行为，并保持多辆CAVs的稳定速度？
• RQ4 通信延迟和不确定性如何影响物理实验中协同CAVs的性能与安全性？
• RQ5 该实验平台能否作为有效的教育平台，用于在本科、研究生及高中生层面培训移动系统研究人才？

主要发现

• 实时控制框架在多车道环岛和通道实验中成功消除了所有启停驾驶行为，确保了交通流的平稳运行。
• 在最优控制情况下，自车CAVs的平均速度达到0.45 m/s，高于基线的0.35 m/s，尽管速度限制更低，这是由于轨迹规划的优化。
• 通过实时轨迹监控和横向冲突检测确认，实验全程未发生任何安全约束违规。
• 该框架成功实现了9辆CAVs在多车道环岛中的安全协调通行，以及15辆CAVs在包含交叉路口、汇合区和环岛的复杂通道中的安全通行。
• 实验平台在重复实验中表现出一致的性能，验证了其在可扩展、可重复且安全评估CAV控制策略方面的实用性。
• IDS3C成功作为教育平台，使研究生和本科生能够参与动手科研及面向高中生的科普活动。