Lane-Level Route Planning for Autonomous Vehicles

要約

道路網を車線レベルの詳細で表現した場合に、特定の目的地に到達するまでの予想コストを最小限に抑えるルートを計算するアルゴリズムを紹介します。
そうすることで、私たちのアルゴリズムを使用すると、どの道路をたどるべきかだけでなく、これらの道路を構成する車線間でいつ変更するかを決定しようとするときに遭遇する複雑なトレードオフを解決できます。たとえば、次のことが可能です。
不必要に一番左の車線を走行しないようにすることで、左出口を見逃す可能性を減らします。
この経路設定の問題は、車線変更アクションが確率的な結果をもたらすマルコフ決定プロセス (MDP) として当然定式化できます。
ただし、MDP は一般に解決に時間がかかることが知られています。
この論文では、合理的な仮定の下で、ダイクストラのようなアプローチを使用してこの確率論的な問題を解決でき、その効率的な $O(n \log n)$ の実行時間の恩恵を受けることができることを示します。
これにより、自動運転車は目的地までの最適なルートを効率的に計画しながら車線選択動作を行うことができます。

要約(オリジナル)

We present an algorithm that, given a representation of a road network in lane-level detail, computes a route that minimizes the expected cost to reach a given destination. In doing so, our algorithm allows us to solve for the complex trade-offs encountered when trying to decide not just which roads to follow, but also when to change between the lanes making up these roads, in order to — for example — reduce the likelihood of missing a left exit while not unnecessarily driving in the leftmost lane. This routing problem can naturally be formulated as a Markov Decision Process (MDP), in which lane change actions have stochastic outcomes. However, MDPs are known to be time-consuming to solve in general. In this paper, we show that — under reasonable assumptions — we can use a Dijkstra-like approach to solve this stochastic problem, and benefit from its efficient $O(n \log n)$ running time. This enables an autonomous vehicle to exhibit lane-selection behavior as it efficiently plans an optimal route to its destination.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google