[论文解读] Towards Prototyping Driverless Vehicle Behaviors, City Design, and Policies Simultaneously

Hauke Sandhaus, Wendy Ju+1 more|arXiv (Cornell University)|Apr 13, 2023

Transportation and Mobility Innovations被引用 4

一句话总结

本文提出了一种用于自动驾驶汽车（AV）、城市设计与政策的同步原型设计框架，通过两种整合方法实现：低保真度集成城市-AV-政策模拟（iCAPS）与参与式设计优化。通过结合数字孪生、机器学习模型与利益相关者驱动的设计工作流程，该框架实现了协作性、计算可行且具备伦理考量的AV融合城市共同设计。

ABSTRACT

Autonomous Vehicles (AVs) can potentially improve urban living by reducing accidents, increasing transportation accessibility and equity, and decreasing emissions. Realizing these promises requires the innovations of AV driving behaviors, city plans and infrastructure, and traffic and transportation policies to join forces. However, the complex interdependencies among AV, city, and policy design issues can hinder their innovation. We argue the path towards better AV cities is not a process of matching city designs and policies with AVs' technological innovations, but a process of iterative prototyping of all three simultaneously: Innovations can happen step-wise as the knot of AV, city, and policy design loosens and tightens, unwinds and reties. In this paper, we ask: How can innovators innovate AVs, city environments, and policies simultaneously and productively toward better AV cities? The paper has two parts. First, we map out the interconnections among the many AV, city, and policy design decisions, based on a literature review spanning HCI/HRI, transportation science, urban studies, law and policy, operations research, economy, and philosophy. This map can help innovators identify design constraints and opportunities across the traditional AV/city/policy design disciplinary bounds. Second, we review the respective methods for AV, city, and policy design, and identify key barriers in combining them: (1) Organizational barriers to AV-city-policy design collaboration, (2) computational barriers to multi-granularity AV-city-policy simulation, and (3) different assumptions and goals in joint AV-city-policy optimization. We discuss two broad approaches that can potentially address these challenges, namely, "low-fidelity integrative City-AV-Policy Simulation (iCAPS)" and "participatory design optimization".

研究动机与目标

• 解决自动驾驶汽车行为设计、城市基础设施与政策框架之间的复杂相互依赖关系，这些因素共同构成一个紧密耦合的‘设计难题’。
• 通过提出共享的、迭代的原型设计流程，克服自动驾驶汽车、城市与政策领域之间缺乏协调创新的问题。
• 通过模拟与参与式方法，促进自动驾驶汽车工程师、城市规划者与政策制定者之间的跨学科协作。
• 识别并解决阻碍自动驾驶汽车、城市与政策同步创新的关键障碍——组织性、计算性与目标导向性障碍。
• 推动一种有原则的协作设计流程，使技术发展与社会价值观及城市宜居性目标保持一致。

提出的方法

• 通过跨学科文献综述（涵盖人机交互、交通科学、城市研究、法律与政策）构建自动驾驶汽车行为、城市设计与政策之间相互依赖关系的概念图谱。
• 提出‘低保真度集成城市-AV-政策模拟’（iCAPS），利用数字孪生技术实现高保真度可视化与可修改的城市环境，并结合机器学习模型模拟道路使用者行为。
• 整合机器学习模型，以预测在不同自动驾驶汽车政策变化（如优先通行规则）下，行为结果（如安全性、交通流量）的变化。
• 实施参与式设计优化工作流程，从利益相关者研讨会开始，明确成功指标与设计优先级。
• 在定义的问题空间内使用贝叶斯优化，计算识别出最符合利益相关者偏好与权衡的自动驾驶汽车、城市与政策设计方案。
• 建立反馈回路，让利益相关者在部署前评估初步最优设计方案，确保其合法性与现实相关性。

实验结果

研究问题

• RQ1 如何同步原型化自动驾驶汽车、城市设计与政策决策，以避免错配并确保相互兼容性？
• RQ2 在共享创新过程中，整合自动驾驶汽车、城市与政策设计所面临的关键组织性、计算性与目标相关障碍是什么？
• RQ3 低保真度模拟工具如何有效可视化并预测自动驾驶汽车行为、城市形态与政策变化对交通与城市生活的影响？
• RQ4 参与式设计在协调多样化利益相关者价值观与技术及城市设计成果方面发挥何种作用？
• RQ5 如何结合机器学习模型与数字孪生技术，在计算约束下实现实时、按需的自动驾驶汽车-政策-城市设计交互模拟？

主要发现

• 自动驾驶汽车行为、城市设计与政策之间的相互依赖关系构成一个无法通过孤立优化某一领域而解开的紧密耦合‘难题’。
• 低保真度集成模拟（iCAPS）通过结合数字孪生与基于机器学习的行为预测，实现了共享的实时原型设计，降低了计算与认知负担。
• 参与式设计优化成功地将设计问题聚焦于利益相关者定义的指标与优先级，实现了数据驱动且具备价值敏感性的设计决策。
• 通过战略性抽象，可在模拟中实现计算效率——可视化与预测只需在当前设计方案相关时具备足够精度即可。
• 自动驾驶汽车公司、城市机构与监管机构之间实现伦理与实践层面的数据共享，是构建可扩展、可信iCAPS平台的前提条件。
• 将参与式方法与优化技术相结合，可产生比自上而下或纯技术方法更具合法性、经利益相关者验证的设计成果。