A Long-Short-Term Mixed-Integer Formulation for Highway Lane Change Planning

要約

本研究では、構造化されたマルチエージェント道路環境における最適な車線変更の問題を考察する。短ホライズンダイナミクスだけでなく、長ホライズン依存性を捉えることができる新しい運動計画アルゴリズムを提示する。本アプローチの核となるのは、連続時間空間領域で定式化された、長ホライズンの組合せ遷移問題の幾何学的近似である。さらに、短ホライズン最適運動計画問題の離散時間定式化を定式化し、長ホライズン計画問題と組み合わせる。両問題はMIQPとして定式化され、最新のソルバーを用いてリアルタイムで解かれる。車線変更問題において、本アルゴリズムが閉ループ性能と計算時間において、他の2つの最先端運動計画アルゴリズムをいかに凌駕するかを示す。評価は、交通シミュレータSUMO、カスタム低レベル追跡モデル予測コントローラ、CommonRoad環境から提供される高忠実度車両モデルとシナリオを用いて行った。

要約(オリジナル)

This work considers the problem of optimal lane changing in a structured multi-agent road environment. A novel motion planning algorithm that can capture long-horizon dependencies as well as short-horizon dynamics is presented. Pivotal to our approach is a geometric approximation of the long-horizon combinatorial transition problem which we formulate in the continuous time-space domain. Moreover, a discrete-time formulation of a short-horizon optimal motion planning problem is formulated and combined with the long-horizon planner. Both individual problems, as well as their combination, are formulated as MIQP and solved in real-time by using state-of-the-art solvers. We show how the presented algorithm outperforms two other state-of-the-art motion planning algorithms in closed-loop performance and computation time in lane changing problems. Evaluations are performed using the traffic simulator SUMO, a custom low-level tracking model predictive controller, and high-fidelity vehicle models and scenarios, provided by the CommonRoad environment.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL