Automated Lane Merging via Game Theory and Branch Model Predictive Control

要約

自動化された車線合流問題に対する統合された動作および動作計画フレームワークを提案します。
行動プランナーは、検索ベースの計画とゲーム理論を組み合わせて、車両間の相互作用をモデル化し、複数車両の軌道を選択します。
人間のドライバーからインスピレーションを得て、車線合流問題をギャップ選択プロセスとしてモデル化します。
周囲の車両が示すマルチモーダルな運転挙動の課題を克服するために、軌道選択をマトリックス ゲームとして定式化し、いくつかの平衡解を計算します。
ただし、実際には、周囲の車両が計算された平衡軌道から逸脱する可能性があります。
そこで、周囲の車両の不確実な挙動モードを考慮して、分岐モデル予測制御 (BMPC) フレームワークを導入します。
BMPC に固有のツリー構造を活用して計算効率を向上させるために、カスタマイズされた数値ソルバーが開発されています。
最後に、実際の交通データを使用して提案した統合プランナーを検証し、密な交通シナリオでのインタラクションの処理におけるその有効性を実証します。

要約(オリジナル)

We propose an integrated behavior and motion planning framework for the automated lane-merging problem. The behavior planner combines search-based planning with game theory to model the interaction between vehicles and select multi-vehicle trajectories. Inspired by human drivers, we model the lane-merging problem as a gap selection process. To overcome the challenge of multi-modal driving behavior exhibited by the surrounding vehicles, we formulate the trajectory selection as a matrix game and compute some equilibrium solutions. In practice, however, the surrounding vehicles might deviate from the computed equilibrium trajectories. Thus, we introduce a branch model predictive control (BMPC) framework to account for the uncertain behavior modes of the surrounding vehicles. A tailored numerical solver is developed to enhance computational efficiency by leveraging the tree structure inherent in BMPC. Finally, we validate our proposed integrated planner using real traffic data and demonstrate its effectiveness in handling interactions in dense traffic scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google