[论文解读] SmartShuttle: Model Based Design and Evaluation of Automated On-Demand Shuttles for Solving the First-Mile and Last-Mile Problem in a Smart City

Şükrü Yaren Gelbal, Bilin Aksun Güvenç+1 more|arXiv (Cornell University)|Dec 23, 2020

Autonomous Vehicle Technology and Safety参考文献 40被引用 4

一句话总结

本文提出了 SmartShuttle，一种基于模型的自动化按需接驳巴士框架，旨在解决智慧城市中的首英里和最后一英里通勤挑战。该框架集成了GPS与地图匹配定位、硬件在回路仿真，以及可扩展的自动驾驶架构，通过在地理围栏区域内进行数据采集和激光雷达制图完成验证，项目成果包含开放数据集。

ABSTRACT

The final project report for the SmartShuttle sub-project of the Ohio State University is presented in this report. This has been a two year project where the unified, scalable and replicable automated driving architecture introduced by the Automated Driving Lab of the Ohio State University has been further developed, replicated in different vehicles and scaled between different vehicle sizes. A limited scale demonstration was also conducted during the first year of the project. The architecture used was further developed in the second project year including parameter space based low level controller design, perception methods and data collection. Perception sensor and other relevant vehicle data were collected in the second project year. Our approach changed to using soft AVs in a hardware-in-the-loop simulation environment for proof-of-concept testing. Our second year work also had a change of localization from GPS and lidar based SLAM to GPS and map matching using a previously constructed lidar map in a geo-fenced area. An example lidar map was also created. Perception sensor and other collected data and an example lidar map are shared as datasets as further outcomes of the project.

研究动机与目标

• 开发一种统一、可扩展且可复现的自动驾驶架构，适用于城市环境中的按需接驳巴士。
• 通过自动化、按需的接驳巴士服务解决智慧城市中的首英里和最后一英里通勤问题。
• 通过使用预先构建的激光雷达地图，将基于激光雷达的SLAM替换为GPS与地图匹配，以提高定位精度。
• 通过在受控的地理围栏区域内进行真实数据采集和硬件在回路仿真，对系统进行验证。
• 生成并共享开放数据集，包括感知传感器数据和示例激光雷达地图，以支持研究的可复现性。

提出的方法

• 采用基于模型的设计方法，使用俄亥俄州立大学开发的统一自动驾驶架构。
• 实施基于参数空间的低层控制器设计，以提升动态响应和稳定性。
• 在项目第二年期间收集感知传感器和车辆数据，用于系统训练和验证。
• 从全自动驾驶仿真过渡到在硬件在回路（HIL）仿真环境中使用软自动驾驶车辆进行概念验证测试。
• 将基于GPS和激光雷达的SLAM替换为使用预先构建的激光雷达地图的GPS与地图匹配，以实现定位。
• 生成一个地理围栏区域的示例激光雷达地图，以支持高精度定位和导航。

实验结果

研究问题

• RQ1 如何为城市环境中的按需接驳巴士服务设计一种可扩展且可复现的自动驾驶架构？
• RQ2 在受控的地理围栏区域内，基于GPS与地图匹配的定位方法与基于GPS和激光雷达SLAM的定位方法，哪种性能更优？
• RQ3 硬件在回路仿真在真实部署前，能在多大程度上有效验证自动驾驶接驳巴士的控制与感知系统？
• RQ4 如何系统性地收集和共享感知传感器与车辆数据，以支持自动驾驶接驳巴士的研究与开发？
• RQ5 预先构建的激光雷达地图在提升自动驾驶接驳巴士的定位精度和系统可靠性方面发挥什么作用？

主要发现

• SmartShuttle系统在两年开发周期内成功展示了跨不同车辆尺寸的可扩展自动驾驶架构。
• 从基于激光雷达的SLAM转向GPS与地图匹配显著提升了定位鲁棒性，并降低了地理围栏测试区域内的计算负载。
• 使用软自动驾驶车辆的硬件在回路仿真为控制与感知模块提供了可靠的验证环境。
• 成功构建了高保真度的激光雷达地图，并用于实现基于地图匹配的精确定位。
• 感知传感器与车辆数据已系统性地收集并作为开放数据集共享，以支持未来研究与系统验证。
• 项目成果，包括数据集和架构框架，已向公众开放，供研究社区复制与扩展。