[论文解读] DRIVE: A Digital Network Oracle for Cooperative Intelligent Transportation Systems

Ioannis Mavromatis, Robert J. Piechocki+2 more|arXiv (Cornell University)|Jul 7, 2020

Vehicular Ad Hoc Networks (VANETs)参考文献 22被引用 10

一句话总结

DRIVE 是一个面向合作式智能交通系统（C-ITS）的城市规模数字网络预言机，支持智能代理与仿真城市环境之间的实时双向交互。它结合了模块化、可扩展的仿真技术与基于实时用户密度动态调整网络参数（如发射功率）的能力，在保持低计算开销的同时，实现了大规模、高保真的 C-ITS 实验，支持机器学习智能体的运行。

ABSTRACT

In a world where Artificial Intelligence revolutionizes inference, prediction and decision-making tasks, Digital Twins emerge as game-changing tools. A case in point is the development and optimization of Cooperative Intelligent Transportation Systems (C-ITSs): a confluence of cyber-physical digital infrastructure and (semi)automated mobility. Herein we introduce Digital Twin for self-dRiving Intelligent VEhicles (DRIVE). The developed framework tackles shortcomings of traditional vehicular and network simulators. It provides a flexible, modular, and scalable implementation to ensure large-scale, city-wide experimentation with a moderate computational cost. The defining feature of our Digital Twin is a unique architecture allowing for submission of sequential queries, to which the Digital Twin provides instantaneous responses with the "state of the world", and hence is an Oracle. With such bidirectional interaction with external intelligent agents and realistic mobility traces, DRIVE provides the environment for development, training and optimization of Machine Learning based C-ITS solutions.

研究动机与目标

• 为解决传统车载与网络仿真器在支持大规模、实时、交互式 C-ITS 实验方面的局限性。
• 支持合作式智能交通系统中机器学习与强化学习智能体的开发与训练。
• 提供一种灵活、模块化且计算高效的仿真框架，支持与真实世界移动轨迹的双向交互。
• 建模动态网络行为，如基于用户密度的自适应发射功率，提升仿真真实感与系统性能评估能力。
• 构建一个可扩展、可扩展且开源的平台，用于系统级（SoS）C-ITS 研究与原型开发。

提出的方法

• 该框架将 SUMO 用于微观交通仿真，并集成自定义网络仿真层，以模拟 V2X 通信与无线电波传播。
• 采用基于瓦片的城区地图空间离散化（200m × 200m），预先缓存移动性与用户密度数据，降低运行时计算开销。
• 动态发射功率自适应机制根据实时用户密度调整宏基站与家庭基站的发射功率，宏基站功率范围为 20 dBm 至 43 dBm。
• 系统支持与智能代理的双向交互，使其能够实时查询虚拟世界状态并作出响应。
• 采用模块化、事件驱动的架构，支持对移动轨迹、网络参数与性能指标的灵活配置。
• 该框架设计具备高可扩展性，通过预缓存与高效数据结构，实现在极低计算成本下进行全市范围的仿真。

实验结果

研究问题

• RQ1 数字孪生框架如何支持智能代理与仿真城市交通环境之间的实时、双向交互？
• RQ2 动态发射功率自适应对城市 C-ITS 场景中可实现数据速率有何影响？
• RQ3 模块化与可扩展的仿真框架是否能在保持高真实感的同时降低计算开销？
• RQ4 该框架在支持合作式移动场景中强化学习智能体的训练与评估方面效率如何？
• RQ5 真实世界移动轨迹的集成在多大程度上提升了仿真环境的真实感与实用性？

主要发现

• 通过在空间瓦片上预缓存移动性与用户密度数据，该框架显著降低了城市规模仿真任务的执行时间，且在更大瓦片尺寸下性能提升尤为明显。
• 基于用户密度的自适应发射功率显著提升了数据速率，更高功率水平（最高达 43 dBm）在高密度区域显著提升了数据速率。
• 系统实现了实时响应能力，能够即时返回虚拟世界当前状态的查询结果，充分履行了数字网络预言机的角色。
• 模块化设计支持对网络参数与移动场景的灵活配置，且不牺牲性能或可扩展性。
• 真实世界移动轨迹的集成使得在不同交通与用户密度条件下，能够对 C-ITS 性能进行真实、动态的评估。
• 该框架通过其交互式、状态感知的仿真环境，有效支持异常检测、压力测试与 QoS 分析等复杂用例。