Parallel Optimization for Cooperative Autonomous Driving at Unsignalized Roundabouts with Hard Safety Guarantees

要約

自律走行車（CAV）の開発により、複雑なシナリオにおける交通効率の向上が促進される。信号のないラウンドアバウトシナリオでは、CAVの効果的かつ効率的な協調戦略を開発する上で困難が残っている。本論文では、ラウンドアバウトシナリオにおけるCAVの協調自律走行問題を制約付き最適制御問題として定式化し、ハードな安全保証のもとで走行効率を向上させるようなCAVの戦略を生成する計算効率の良い並列最適化の枠組みを提案する。ラウンドアバウトシナリオに関わる全ての制約を凸近似で適切に処理し、再構成された最適化問題の凸特性を示すようにした。そして、並列最適化アルゴリズムが提示され、ラウンドアバウトシナリオにおける最適な通過順序を決定するために反復的な最近傍探索戦略が具現化されることによって、再定義された最適化問題を解く。その結果、ラウンドアバウトシナリオでの走行効率が向上し、計算負荷が大幅に軽減されることが明らかになった。また、CARLAシミュレータで提案手法を検証し、ルールベースのベースラインや一般的に使用されているIPOPT最適化ソルバーとの徹底的な比較を行い、提案手法の有効性と効率性を実証しています。

要約(オリジナル)

The development of connected autonomous vehicles (CAVs) facilitates the enhancement of traffic efficiency in complicated scenarios. In unsignalized roundabout scenarios, difficulties remain unsolved in developing an effective and efficient coordination strategy for CAVs. In this paper, we formulate the cooperative autonomous driving problem of CAVs in the roundabout scenario as a constrained optimal control problem, and propose a computationally-efficient parallel optimization framework to generate strategies for CAVs such that the travel efficiency is improved with hard safety guarantees. All constraints involved in the roundabout scenario are addressed appropriately with convex approximation, such that the convexity property of the reformulated optimization problem is exhibited. Then, a parallel optimization algorithm is presented to solve the reformulated optimization problem, where an embodied iterative nearest neighbor search strategy to determine the optimal passing sequence in the roundabout scenario. It is noteworthy that the travel efficiency in the roundabout scenario is enhanced and the computation burden is considerably alleviated with the innovation development. We also examine the proposed method in CARLA simulator and perform thorough comparisons with a rule-based baseline and the commonly used IPOPT optimization solver to demonstrate the effectiveness and efficiency of the proposed approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL