Real-Time Parallel Trajectory Optimization with Spatiotemporal Safety Constraints for Autonomous Driving in Congested Traffic

要約

周囲の車両 (SV) が示すマルチモーダルな動作は通常、交通渋滞を引き起こし、交通量が密な場合は自動運転車両 (AV) の走行効率を低下させる可能性があります。
本論文では、動的で混雑した環境において高い走行効率を達成するための、AVのリアルタイム平行軌道最適化手法を提案する。
時空間安全モジュールは、SV のマルチモーダルな動作から生じる軌道予測エラーが存在する場合でも、AV と SV の間の安全な相互作用を促進するために開発されています。
複数の撮影と制約の転写を活用することで、軌道の最適化問題を非線形計画問題に変換します。これにより、最適化ソルバーと並列コンピューティング技術を使用して、複数の実行可能な軌道を並行して生成できるようになります。
その後、これらの時空間軌道は、安全性と効率性の両方の目標を考慮した多目的評価モジュールに入力され、最適なターゲットレーンに対応する最適な実行可能な軌道が選択されます。
提案されたフレームワークは、複数の不確実な SV による高密度で渋滞した運転シナリオでのシミュレーションを通じて検証されます。
この結果は、私たちの方法により、AV がリアルタイムで高い移動効率とタスク精度を達成しながら、密で混雑した交通シナリオを安全に移動できることを示しています。

要約(オリジナル)

Multi-modal behaviors exhibited by surrounding vehicles (SVs) can typically lead to traffic congestion and reduce the travel efficiency of autonomous vehicles (AVs) in dense traffic. This paper proposes a real-time parallel trajectory optimization method for the AV to achieve high travel efficiency in dynamic and congested environments. A spatiotemporal safety module is developed to facilitate the safe interaction between the AV and SVs in the presence of trajectory prediction errors resulting from the multi-modal behaviors of the SVs. By leveraging multiple shooting and constraint transcription, we transform the trajectory optimization problem into a nonlinear programming problem, which allows for the use of optimization solvers and parallel computing techniques to generate multiple feasible trajectories in parallel. Subsequently, these spatiotemporal trajectories are fed into a multi-objective evaluation module considering both safety and efficiency objectives, such that the optimal feasible trajectory corresponding to the optimal target lane can be selected. The proposed framework is validated through simulations in a dense and congested driving scenario with multiple uncertain SVs. The results demonstrate that our method enables the AV to safely navigate through a dense and congested traffic scenario while achieving high travel efficiency and task accuracy in real time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google