On the Robotic Uncertainty of Fully Autonomous Traffic

要約

最近の交通研究では、自動運転車 (AV) は車間距離を短く維持できるため、交通の流れの効率を向上させる可能性があることが示唆されています。
それにもかかわらず、AV は地上ロボットの中でも特殊な種類であるため、ロボットのエラー、特に認識モジュールにおけるエラーの影響を受けやすく、その結果、動作が不確実になり、衝突の危険性が高まります。
その結果、実際の運用では、交通容量よりも安全性を優先するために、車幅を大きくしたり速度を落としたりするなど、保守的な運用戦略が導入されます。
この矛盾を調整するために、この論文では、AV におけるロボットの不確実性から生じる交通安全と効率の間の内生的相互関係を描写する分析モデル フレームワークを提案します。
車の追従シナリオは、単一車線の容量と衝突の可能性を埋めるための重要なパラメータとして不確実な車間距離を使用して、広範囲に調査されています。
次に、車線容量のダイナミクスを記述するためにマルコフ連鎖が導入され、その結果として予測される衝突を含む容量が完全自動交通の究極の性能尺度として採用されます。
この分析モデルの助けを借りて、AV 運用における重要なパラメータの設定をサポートし、自律交通の交通管理戦略を支援する最適化技術を組み込むことができます。

要約(オリジナル)

Recent transportation research suggests that autonomous vehicles (AVs) have the potential to improve traffic flow efficiency as they are able to maintain smaller car-following distances. Nevertheless, being a unique class of ground robots, AVs are susceptible to robotic errors, particularly in their perception module, leading to uncertainties in their movements and an increased risk of collisions. Consequently, conservative operational strategies, such as larger headway and slower speeds, are implemented to prioritize safety over traffic capacity in real-world operations. To reconcile the inconsistency, this paper proposes an analytical model framework that delineates the endogenous reciprocity between traffic safety and efficiency that arises from robotic uncertainty in AVs. Car-following scenarios are extensively examined, with uncertain headway as the key parameter for bridging the single-lane capacity and the collision probability. A Markov chain is then introduced to describe the dynamics of the lane capacity, and the resulting expected collision-inclusive capacity is adopted as the ultimate performance measure for fully autonomous traffic. With the help of this analytical model, it is possible to support the settings of critical parameters in AV operations and incorporate optimization techniques to assist traffic management strategies for autonomous traffic.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google