[论文解读] Design and Implementation of Ecological Adaptive Cruise Control for Autonomous Driving with Communication to Traffic Lights

Sangjae Bae, Yeojun Kim+3 more|arXiv (Cornell University)|Oct 29, 2018

Traffic control and management参考文献 10被引用 4

一句话总结

本文提出了一种Eco-ACC控制器，通过实时交通灯相位与配时（SPaT）数据，将生态驾驶与自适应巡航控制相结合，以在避免碰撞和闯红灯的同时最小化燃油消耗。通过将机会约束最优控制用于绿波协调，并结合基于模型预测控制（MPC）的ACC，该系统在包含八个信号交叉口的2.6公里城市路段实测中实现了41%的燃油节省。

ABSTRACT

This paper presents the design and implementation results of an ecological adaptive cruise controller (ECO-ACC) which exploits driving automation and connectivity. The controller avoids front collisions and traffic light violations, and is designed to reduce the energy consumption of connected automated vehicles by utilizing historical and real-time signal phase and timing data of traffic lights that adapt to the current traffic conditions. We propose an optimization-based generation of a reference velocity, and a velocity-tracking model predictive controller that avoids front collisions and violations. We present an experimental setup encompassing the real vehicle and controller in the loop, and an environment simulator in which the traffic flow and the traffic light patterns are calibrated on real-world data. We present and analyze simulation and experimental results, finding a significant potential for energy consumption reduction, even in the presence of traffic.

研究动机与目标

• 填补连通车辆技术在真实交通条件下对生态驾驶控制器实验验证的空白。
• 将节能型生态驾驶与以安全为重点的自适应巡航控制相结合，平衡燃油经济性与防撞能力。
• 开发一种实时控制框架，利用历史和实时SPaT数据，优化通过信号交叉口的速度轨迹。
• 通过实施在线、滚动时域控制器，克服离线规划的局限性，提升对交通引起的延误的鲁棒性。
• 在硬件在环系统中验证控制器，采用来自美国加利福尼亚州阿卡迪亚市的真实车辆与交通数据。

提出的方法

• 采用机会约束最优控制方法构建生态驾驶问题，以处理有效红灯时长不确定性的影响。
• 为ACC层设计基于模型预测控制（MPC）的框架，确保防撞和交通灯合规性。
• 实施双层控制架构：高层生态驾驶控制器生成参考速度轨迹，底层ACC控制器进行跟踪。
• 使用Sensys Networks提供的真实SPaT数据校准交通灯配时模式与交通流，用于高保真度仿真。
• 在硬件在环系统中部署控制器，采用插电式混合动力电动车辆，集成实时车辆动力学与与交通信号仿真器的通信。
• 应用动态规划离线预计算最优速度轨迹，并与在线滚动时域解法进行对比。

实验结果

研究问题

• RQ1 在线Eco-ACC控制器是否能在真实城市交通中实现显著的燃油节省，同时确保安全和交通灯合规性？
• RQ2 在自由流和拥堵交通条件下，在线与离线生态驾驶规划的性能差异如何？
• RQ3 红灯时长的不确定性在多大程度上影响绿波协调策略的可靠性？
• RQ4 与传统ACC相比，实时SPaT数据与自适应巡航控制的集成在多大程度上提升了能效？
• RQ5 面对不可预测的交通延误时，离线生态驾驶规划的实际局限性是什么？

主要发现

• 在包含八个信号交叉口的2.6公里城市路段上，Eco-ACC控制器相比仅使用传统ACC的控制器实现了41%的燃油消耗减少。
• 在自由流条件下，在线与离线生态驾驶控制器生成的速度轨迹几乎完全一致，证实了在理想条件下离线规划的有效性。
• 在交通存在的情况下，在线控制器能够适应周围车辆引起的延误，而离线控制器完全失效，导致车辆被困。
• 在Eco-ACC控制下，车辆平均速度和速度标准差分别降低了0.73 m/s和1.16 m/s，表明驾驶更平稳、更稳定。
• 由于ACC控制器在与前车距离上保持平衡，速度轨迹的抖动（chattering）极小，同时仍维持了良好的绿波协调效果。
• 仿真与实验结果均证实，控制器成功在绿灯相位通过所有交叉口，无任何闯红灯行为。