Energy-Efficient Lane Changes Planning and Control for Connected Autonomous Vehicles on Urban Roads

要約

この論文では、都市道路上のコネクテッド自律走行車 (CAV) のための、エネルギー効率の高い新しい動作計画アルゴリズムを紹介します。
このアプローチは、意思決定アルゴリズムと最適化ベースの軌道プランナーの 2 つのコンポーネントで構成されます。
意思決定アルゴリズムは、接続された信号機からの信号位相とタイミング (SPaT) 情報を活用して、エネルギー消費量の削減を目的として車線を選択します。
このアルゴリズムは、人間の運転データから学習したヒューリスティック ルールに基づいています。
最適化ベースの軌道プランナーは、選択した車線に向けて、安全でスムーズかつエネルギー効率の高い軌道を生成します。
提案された戦略は、Vehicle-in-the-Loop (VIL) 設定で実験的に評価されます。VIL 設定では、実際の試験車両が実際の信号機と仮想信号機の両方から SPaT 情報を受信し、試験場で自律走行し、周囲の車両がシミュレートされます。
結果は、自動運転における SPaT 情報の使用がエネルギー効率の向上につながり、提案された戦略では車線維持アルゴリズムと比較してエネルギー消費を 37.1% 節約できることを示しています。

要約(オリジナル)

This paper presents a novel energy-efficient motion planning algorithm for Connected Autonomous Vehicles (CAVs) on urban roads. The approach consists of two components: a decision-making algorithm and an optimization-based trajectory planner. The decision-making algorithm leverages Signal Phase and Timing (SPaT) information from connected traffic lights to select a lane with the aim of reducing energy consumption. The algorithm is based on a heuristic rule which is learned from human driving data. The optimization-based trajectory planner generates a safe, smooth, and energy-efficient trajectory toward the selected lane. The proposed strategy is experimentally evaluated in a Vehicle-in-the-Loop (VIL) setting, where a real test vehicle receives SPaT information from both actual and virtual traffic lights and autonomously drives on a testing site, while the surrounding vehicles are simulated. The results demonstrate that the use of SPaT information in autonomous driving leads to improved energy efficiency, with the proposed strategy saving 37.1% energy consumption compared to a lane-keeping algorithm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google