Enhancing Safety in Mixed Traffic: Learning-Based Modeling and Efficient Control of Autonomous and Human-Driven Vehicles

要約

公道における自動運転車 (AV) の存在感が高まる中、人が運転する車両 (HV) の不確実性を乗り越えるための堅牢な制御戦略を開発することが重要です。
この論文では、第一原理モデルとガウス過程 (GP) 学習を組み合わせて速度予測精度を高め、測定可能な不確実性を提供する、HV 挙動をモデル化する高度な方法を紹介します。
私たちは、フィールド実験からの実世界データを使用してこの革新的な HV モデルを検証し、それを GP 強化モデル予測制御 (GP-MPC) 戦略の開発に適用しました。
この戦略は、不確実性の評価を距離の制約に統合することにより、混合車両小隊における安全性を向上させることを目的としています。
従来のモデル予測制御 (MPC) アプローチとの比較シミュレーション研究により、当社の GP-MPC 戦略は、より信頼性の高い安全な距離を確保し、効率的な車両ダイナミクスを促進し、隊列内で顕著に高い速度を達成できることが実証されました。
HV モデリングにスパース GP 手法を組み込み、MPC フレームワーク内で動的 GP 予測を採用することにより、GP-MPC の計算時間を大幅に短縮し、従来の MPC よりわずか 4.6% 高いだけでした。
これは大幅な改善を示しており、これらの近似を行わない予備作業よりもプロセスが約 100 倍速くなります。
私たちの調査結果は、混合交通環境における安全性と運用効率の両方を向上させる学習ベースの HV モデリングの有効性を強調し、より調和のとれた AV-HV インタラクションへの道を切り開きます。

要約(オリジナル)

With the increasing presence of autonomous vehicles (AVs) on public roads, developing robust control strategies to navigate the uncertainty of human-driven vehicles (HVs) is crucial. This paper introduces an advanced method for modeling HV behavior, combining a first-principles model with Gaussian process (GP) learning to enhance velocity prediction accuracy and provide a measurable uncertainty. We validated this innovative HV model using real-world data from field experiments and applied it to develop a GP-enhanced model predictive control (GP-MPC) strategy. This strategy aims to improve safety in mixed vehicle platoons by integrating uncertainty assessment into distance constraints. Comparative simulation studies with a conventional model predictive control (MPC) approach demonstrated that our GP-MPC strategy ensures more reliable safe distancing and fosters efficient vehicular dynamics, achieving notably higher speeds within the platoon. By incorporating a sparse GP technique in HV modeling and adopting a dynamic GP prediction within the MPC framework, we significantly reduced the computation time of GP-MPC, marking it only 4.6% higher than that of the conventional MPC. This represents a substantial improvement, making the process about 100 times faster than our preliminary work without these approximations. Our findings underscore the effectiveness of learning-based HV modeling in enhancing both safety and operational efficiency in mixed-traffic environments, paving the way for more harmonious AV-HV interactions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google