Modeling the Lane-Change Reactions to Merging Vehicles for Highway On-Ramp Simulations

要約

自動運転車技術の開発には、現実世界のドライバーの動作を再現するシミュレーション環境を強化することが不可欠です。
これまでの研究では、高速道路の入口ランプで合流する車に反応する遅れ車両の譲歩反応が研究されてきましたが、遅れ車両の車線変更反応については広く研究されていませんでした。
この研究では、本車線から遅れている車両の進路変更挙動に加えて車線変更反応を含めることにより、高速道路合流シナリオのシミュレーションを改善することを目的としており、この反応的な車線変更挙動を捕捉する能力について 2 つの異なるモデルを評価しています。

これらのモデルの利得関数を調整するために、米国の高速道路で新しい自然主義的なデータセットが収集され、米国のドライバーの車線変更行動を学習するための数時間の合流固有のデータが提供されました。
米国のさまざまな高速道路形状の代表的なセットをデータに収集していることを確認するために、米国の高速道路の入口ランプ 50,000 か所を調査し、8 つの代表的な場所を選択しました。
データは、道路脇に設置された LIDAR センサーを使用して収集され、さまざまな合流ドライバーのやり取りをキャプチャしました。
このモデルは、直進走行と車線変更の両方の動作を構成できることが実証されました。
これらのモデルは最終的に高忠実度シミュレーション環境に統合され、自動運転車開発をサポートする大規模シミュレーションでの使用に十分な計算時間効率を備えていることが確認されました。

要約(オリジナル)

Enhancing simulation environments to replicate real-world driver behavior is essential for developing Autonomous Vehicle technology. While some previous works have studied the yielding reaction of lag vehicles in response to a merging car at highway on-ramps, the possible lane-change reaction of the lag car has not been widely studied. In this work we aim to improve the simulation of the highway merge scenario by including the lane-change reaction in addition to yielding behavior of main-lane lag vehicles, and we evaluate two different models for their ability to capture this reactive lane-change behavior. To tune the payoff functions of these models, a novel naturalistic dataset was collected on U.S. highways that provided several hours of merge-specific data to learn the lane change behavior of U.S. drivers. To make sure that we are collecting a representative set of different U.S. highway geometries in our data, we surveyed 50,000 U.S. highway on-ramps and then selected eight representative sites. The data were collected using roadside-mounted lidar sensors to capture various merge driver interactions. The models were demonstrated to be configurable for both keep-straight and lane-change behavior. The models were finally integrated into a high-fidelity simulation environment and confirmed to have adequate computation time efficiency for use in large-scale simulations to support autonomous vehicle development.

arxiv情報

著者 Dustin Holley,Jovin Dsa,Hossein Nourkhiz Mahjoub,Gibran Ali,Tyler Naes,Ehsan Moradi-Pari,Pawan Sai Kallepalli
発行日 2024-04-15 15:02:44+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO, cs.SY, eess.SY パーマリンク