Connected and Automated Vehicles in Mixed-Traffic: Learning Human Driver Behavior for Effective On-Ramp Merging

要約

タイトル：混雑交通環境における自動運転車と人間ドライバーの挙動学習：高速道路の合流における安全な運転のための情報状態モデルの構築

要約：
-混雑した交通環境において、高速道路の合流シナリオは、自動運転車（CAV）が入ってくるオンランプの人間ドライバー（HDV）と相互作用することにより、モデリングと制御の課題を抱えている。
-本論文では、高速道路の合流中にCAVが安全に操縦するために、CAV-HDV相互作用の近似情報状態モデルを学習するアプローチを提案する。
-このアプローチでは、CAVは制御戦略を生成する前に、近似情報状態を使用して入ってくるHDVの挙動を学習する。
-まず、次世代シミュレーションリポジトリから抽出された混雑交通環境でのHDVの挙動を予測するために、実世界データでこのフレームワークの有効性を検証する。
-次に、標準的な逆強化学習アプローチを使用して、高速道路の合流シナリオでのHDV-CAV相互作用のシミュレーションデータを生成する。
-モデル生成に先行する知識を仮定しないで、私たちは観測だけを使用してHDVの将来の軌跡を予測する近似情報状態モデルを学習する。
-この後、自動化された運転車がHDVと合流する際に安全な制御方針を生成し、攻撃的な運転から控えめな運転まで、さまざまな運転行動をデモンストレーションする。
-提案アプローチの効果を数値シミュレーションによって示し、その有効性を確認する。

要約(オリジナル)

Highway merging scenarios featuring mixed traffic conditions pose significant modeling and control challenges for connected and automated vehicles (CAVs) interacting with incoming on-ramp human-driven vehicles (HDVs). In this paper, we present an approach to learn an approximate information state model of CAV-HDV interactions for a CAV to maneuver safely during highway merging. In our approach, the CAV learns the behavior of an incoming HDV using approximate information states before generating a control strategy to facilitate merging. First, we validate the efficacy of this framework on real-world data by using it to predict the behavior of an HDV in mixed traffic situations extracted from the Next-Generation Simulation repository. Then, we generate simulation data for HDV-CAV interactions in a highway merging scenario using a standard inverse reinforcement learning approach. Without assuming a prior knowledge of the generating model, we show that our approximate information state model learns to predict the future trajectory of the HDV using only observations. Subsequently, we generate safe control policies for a CAV while merging with HDVs, demonstrating a spectrum of driving behaviors, from aggressive to conservative. We demonstrate the effectiveness of the proposed approach by performing numerical simulations.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI