Core Concepts
ガウシアンプロセスを用いた学習ベースのモデル予測制御により、自動運転車と人間運転車の混在交通における安全性を大幅に向上させることができる。
Abstract
本研究では、自動運転車(AV)と人間運転車(HV)が混在する交通環境における安全性の向上を目的としている。
まず、HVの挙動を精度良く予測するため、従来の物理モデルにガウシアンプロセスを組み合わせた新しいモデルを提案した。このモデルは、HVの挙動の不確定性を定量的に評価できる。
次に、この不確定性を考慮したモデル予測制御(GP-MPC)を開発した。GP-MPCは、AVとHVの安全な車間距離を確保するための確率的制約を導入している。
シミュレーション結果から、GP-MPCは従来のMPCに比べて、より大きな最小車間距離を確保しつつ、高速走行を実現できることが示された。これにより、混在交通における安全性と効率性が大幅に向上することが確認された。
Stats
人間運転車の速度予測精度が、従来モデルに比べて平均35.64%向上した。
GP-MPCは従来MPCに比べて、より大きな最小車間距離を確保しつつ、高速走行を実現できた。
Quotes
"ガウシアンプロセスを用いた学習ベースのモデル予測制御により、自動運転車と人間運転車の混在交通における安全性を大幅に向上させることができる。"
"GP-MPCは従来MPCに比べて、より大きな最小車間距離を確保しつつ、高速走行を実現できた。"