본 연구는 도시 교차로에서 자율주행차량(CAV)과 일반 차량(HDV)이 공존하는 혼합 교통 환경에서의 협력적 기동 계획 기법을 제안한다.
첫째, 최적화 기반 계획기를 제안한다. 실제 주행 데이터를 기반으로 학습된 운전자 모델을 활용하여 다양한 협력 기동을 예측하고, 이 중 가장 효율적인 기동을 선택한다.
둘째, 강화학습 기반 계획기를 제안한다. 협력 기동에 대한 실측 데이터가 부족한 문제를 해결하기 위해 그래프 신경망 기반 강화학습 모델을 활용한다.
시뮬레이션 실험에서 두 계획기 모두 완전 자율주행 환경과 혼합 교통 환경에서 우수한 성능을 보였다. 특히 부차도 차량의 지연 시간 감소와 정지 횟수 감소 효과가 두드러졌다.
실제 도로 실험에서도 세 대의 프로토타입 CAV를 활용하여 두 계획기의 실용성을 검증하였다.
Til et annet språk
fra kildeinnhold
arxiv.org
Viktige innsikter hentet fra
by Marv... klokken arxiv.org 03-26-2024
https://arxiv.org/pdf/2403.16478.pdfDypere Spørsmål