Real-World Evaluation of two Cooperative Intersection Management Approaches

要約

協同操作計画は、接続された自動車両を活用することにより、署名されていない交差点での交通効率を大幅に改善することを約束します。
このトピックに関する以前の作品は、単純なシミュレートされた環境で完全に自動化されたトラフィックのために主に開発されてきました。
対照的に、以前に導入された計画アプローチは、実際の混合トラフィックを処理するように特別に設計されています。
2つの方法は、それぞれマルチセナリオの予測とグラフベースの強化学習に基づいています。
これは、新しい混合トラフィックシミュレーションフレームワークで評価を実行した最初の研究と、公共交通のプロトタイプ接続された自動車両を使用した実際のドライブです。
このシミュレーションは、自動化された車両の1つに展開されているのと同じ接続された自動運転ソフトウェアスタックを備えています。
私たちの定量的評価は、協同操作計画が交差時間と停留所の数を大幅に削減することを達成することを示しています。
自動化された車両が少ない現実的な環境では、顕著な効率向上がわずかに増加している顕著な効率の向上があります。

要約(オリジナル)

Cooperative maneuver planning promises to significantly improve traffic efficiency at unsignalized intersections by leveraging connected automated vehicles. Previous works on this topic have been mostly developed for completely automated traffic in a simple simulated environment. In contrast, our previously introduced planning approaches are specifically designed to handle real-world mixed traffic. The two methods are based on multi-scenario prediction and graph-based reinforcement learning, respectively. This is the first study to perform evaluations in a novel mixed traffic simulation framework as well as real-world drives with prototype connected automated vehicles in public traffic. The simulation features the same connected automated driving software stack as deployed on one of the automated vehicles. Our quantitative evaluations show that cooperative maneuver planning achieves a substantial reduction in crossing times and the number of stops. In a realistic environment with few automated vehicles, there are noticeable efficiency gains with only slightly increasing criticality metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google