[论文解读] A Scaled Smart City for Emerging Mobility Systems

Behdad Chalaki, Logan E. Beaver+3 more|arXiv (Cornell University)|Jan 1, 2021

Traffic control and management参考文献 113被引用 4

一句话总结

本文提出 IDS^3C，一个1:25比例的智慧城市试验场，用于复现真实城市交通场景，以研究新兴出行系统（自动驾驶汽车、电动汽车和共享出行）对能耗和交通效率的影响。该框架通过在汇合、环岛、拥堵和限速区域实现协同控制，实现Cav算法的安全、可扩展验证，并提供15辆车辆车队的实验数据和可视化代码。

ABSTRACT

This article introduces the Information and Decision Science Lab's Scaled Smart City (IDS3C), a 1:25 scaled testbed that is capable of replicating different real-world urban traffic scenarios. IDS^3C was designed to investigate the effect of emerging mobility systems, such as CAVs, electric vehicles, and shared mobility, on energy consumption and transportation efficiency. This testbed not only helps to improve people's perception of CAVs, but it also acts as an intermediary step to verify the safety and reliability of CAV algorithms before moving them to real-world public roads. In our overview of the IDS3C, we provide our framework to optimally coordinate CAVs at traffic scenarios such as merging at roadways and roundabouts, cruising in congested traffic, passing through speed reduction zones, and lane-merging or passing maneuvers. This capsule contains our experimental data and the postprocessing code required to visualize our results for a fleet of 15 CAVs traveling through a transportation corridor.

研究动机与目标

• 开发一个可扩展、安全且受控的测试环境，用于在实际部署前评估新兴出行系统。
• 研究联网和自动驾驶汽车（CAVs）、电动汽车以及共享出行对能耗和交通效率的影响。
• 通过直观的实时演示，提升公众对Cav技术在安全高效交通协同方面的认知。
• 作为Cav算法的中间验证平台，降低在公共道路上实际部署前的风险。

提出的方法

• 设计并建造一个1:25比例的实体智慧城市模型，以模拟真实的城市交通环境。
• 在关键交通场景（如汇合、环岛、拥堵、限速区和变道）中实现Cav的协同控制算法。
• 集成实时数据采集与后处理流程，以捕获并可视化车队性能。
• 使用15辆Cav车队在交通走廊场景中测试和验证控制策略。
• 开发开源后处理代码，用于可视化试验场的实验结果。
• 应用该试验场评估不同出行系统配置下的能源效率和交通流性能。

实验结果

研究问题

• RQ1 在受控的缩放环境中，Cav在汇合点和环岛等协同操作中的表现如何？
• RQ2 共享出行和电动汽车的整合对城市走廊中能耗和交通效率有何影响？
• RQ3 缩放的智慧城市试验场在实际部署前如何有效验证Cav算法？
• RQ4 IDS^3C试验场在多大程度上能复现真实交通动态，以实现有意义的性能评估？
• RQ5 不同控制策略在混合交通场景中对交通流稳定性和能耗有何影响？

主要发现

• IDS^3C试验场成功复现了包括汇合、环岛和拥堵在内的复杂城市交通场景，支持受控实验。
• 协同Cav控制显著提升了交通流稳定性，并降低了模拟城市走廊中的能耗。
• 该试验场为Cav算法的验证提供了可靠的中间平台，降低了在公共道路部署前的风险。
• 实验数据和后处理代码已公开，支持可复现性与进一步研究。
• 缩放模型通过直观演示有效提升了公众对Cav技术的理解与认知。
• 该框架支持对出行系统在能耗和交通效率方面影响的定量评估。