Virtual Roads, Smarter Safety: A Digital Twin Framework for Mixed Autonomous Traffic Safety Analysis

要約

このペーパーでは、混合交通環境でのアクティブな安全分析のためのデジタルツインプラットフォームを紹介します。
このプラットフォームは、ドローンベースの空中ライダー、OpenStreetMap、および車両センサーデータ（GPSや傾斜計の測定値など）から構築されたマルチモーダルデータ対応交通環境を使用して構築されています。
高解像度3D道路幾何学は、AIを搭載したセマンティックセグメンテーションと航空ライダーデータのジオレフェンスを通じて生成されます。
現実世界の運転シナリオをシミュレートするために、プラットフォームは、自動車学習（CARLA）シミュレーター、都市モビリティ（SUMO）トラフィックモデルのシミュレーション、およびNVIDIA Physx Vehicle Dynamics Engineを統合します。
Carlaは、詳細なマイクロレベルのセンサーと知覚データを提供し、SUMOはマクロレベルのトラフィックフローを管理します。
Nvidia Physxは、多様な条件下で車両の行動の正確なモデリングを可能にし、質量分布、タイヤ摩擦、および質量中心を占めます。
この統合システムは、自律車と従来の車両間の複雑な相互作用をキャプチャする高忠実度シミュレーションをサポートします。
実験結果は、現実的な車両のダイナミクスとトラフィックシナリオを再現するプラットフォームの能力を示しており、アクティブな安全対策の分析を強化します。
全体として、提案されたフレームワークは、動的および不均一な交通環境における車両行動の物理学に基づいた評価を可能にすることにより、交通安全調査を進めます。

要約(オリジナル)

This paper presents a digital-twin platform for active safety analysis in mixed traffic environments. The platform is built using a multi-modal data-enabled traffic environment constructed from drone-based aerial LiDAR, OpenStreetMap, and vehicle sensor data (e.g., GPS and inclinometer readings). High-resolution 3D road geometries are generated through AI-powered semantic segmentation and georeferencing of aerial LiDAR data. To simulate real-world driving scenarios, the platform integrates the CAR Learning to Act (CARLA) simulator, Simulation of Urban MObility (SUMO) traffic model, and NVIDIA PhysX vehicle dynamics engine. CARLA provides detailed micro-level sensor and perception data, while SUMO manages macro-level traffic flow. NVIDIA PhysX enables accurate modeling of vehicle behaviors under diverse conditions, accounting for mass distribution, tire friction, and center of mass. This integrated system supports high-fidelity simulations that capture the complex interactions between autonomous and conventional vehicles. Experimental results demonstrate the platform’s ability to reproduce realistic vehicle dynamics and traffic scenarios, enhancing the analysis of active safety measures. Overall, the proposed framework advances traffic safety research by enabling in-depth, physics-informed evaluation of vehicle behavior in dynamic and heterogeneous traffic environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google