Smart Traffic Control for the Era of Autonomous Driving

Abstract

En l'última dècada, la investigació sobre vehicles autònoms (AV) ha fet un progrés revolucionari. Els avenços en intel·ligència artificial (IA), i especialment en aprenentatge automàtic, permeten que els cotxes autònoms aprenguin a resoldre situacions complexes basant-se en dades de milions d'hores de conducció acumulades, molt més del que podria arribar a fer qualsevol conductor humà. La conducció autònoma ens porta esperança per a un transport més segur, més còmode, més eficient i més respectuós amb el medi ambient. Tanmateix, els vehicles autònoms a les carreteres també introdueixen nous reptes a la gestió del trànsit. Les noves teories per a una millor comprensió de la nova era del transport i les noves tecnologies per a les infraestructures viàries intel·ligents i el control intel·ligent del trànsit són crucials per al desenvolupament i el desplegament de vehicles autònoms.

Aquesta tesi té com a objectiu abordar algunes de les qüestions clau en el control i la gestió del trànsit, com ara el disseny del protocol d'intersecció, el mesurament de la congestió, l'encaminament egoista i l'automatització de la infraestructura viària, sota el supòsit que tots els vehicles a la carretera estan connectats i són autònoms

Hem introduït un model formal per representar les xarxes viàries i el trànsit. A partir d'aquest model, vam desenvolupar un sistema de simulació a sobre d'una plataforma de codi obert existent (AIM4) i el vam utilitzar per examinar una sèrie de protocols de gestió de trànsit dissenyats específicament per al trànsit amb vehicles totalment autònoms. Els resultats de la simulació mostren que els protocols de gestió del trànsit per als AV poden ser més subtils, sensibles i variables amb els volums/taxa de flux de trànsit, la distància de seguretat del vehicle i la configuració de la carretera. A més, analitzant les dades de trànsit del món real i les dades de simulació, vam trobar que mesurar la congestió amb funcions exponencials té avantatges considerables enfront de la funció BPR tradicional en determinats aspectes.

El desplegament de vehicles autònoms ofereix la gestió del trànsit amb l'oportunitat d'escollir entre control centralitzat o control descentralitzat. El preu de l'anarquia (PoA) de la presa de decisions autònomes per a l'encaminament ofereix un criteri quantitatiu aplicable per a la selecció entre elles. Hem ampliat la investigació existent sobre PoA amb la classe de funcions exponencials com a funcions de cost. Hem trobat una expressió per al límit superior ajustat del PoA per a jocs d'encaminament egoistes amb funcions de cost exponencial. A diferència dels estudis existents, aquest límit superior depèn de les demandes de trànsit, amb la qual cosa podem obtenir una estimació més precisa del PoA. A més, comparant els límits superiors de PoA entre la funció BPR i la funció exponencial, vam trobar que les funcions exponencials produeixen un límit superior més petit que les funcions BPR en fluxos de trànsit relativament baixos.

Per especificar sistemes de gestió del trànsit, proposem un model híbrid d'assignació del trànsit. Aquest model pretén descriure sistemes de gestió del trànsit en què tant els vehicles com els controladors de carretera prenen decisions autònomes, per tant, són agents autònoms. Hem formulat un problema d'optimització no lineal per optimitzar el control del trànsit des d'una visió macroscòpica de la xarxa viària. Per evitar els càlculs complexos necessaris per a l'optimització no lineal, vam proposar un algorisme d'aproximació per calcular estratègies d'encaminament d'equilibri i control de trànsit. Els resultats de la simulació mostren que aquest algorisme finalment convergeix a un estat estacionari. L'esquema de control de trànsit en aquest estat estacionari és una solució aproximadament òptima.

En la última década, la investigación sobre vehículos autónomos (AV) ha realizado un progreso revolucionario. Los avances en inteligencia artificial (IA), y especialmente en aprendizaje automático, permiten que los coches autónomos aprendan a resolver situaciones complejas en base a datos de millones de horas de conducción acumuladas, mucho más de lo que podría llegar a hacer cualquiera conductor humano. La conducción autónoma nos trae esperanza para un transporte más seguro, más cómodo, más eficiente y más respetuoso con el medio ambiente. Sin embargo, los vehículos autónomos en las carreteras también introducen nuevos retos en la gestión del tráfico. Las nuevas teorías para una mejor comprensión de la nueva era del transporte y las nuevas tecnologías para las infraestructuras viarias inteligentes y el control inteligente del tráfico son cruciales para el desarrollo y despliegue de vehículos autónomos.

Esta tesis tiene como objetivo abordar algunas de las cuestiones clave en el control y la gestión del tráfico, como el diseño del protocolo de intersección, la medición de la congestión, el encaminamiento egoísta y la automatización de la infraestructura vial, bajo el supuesto de que todos los vehículos en carretera están conectados y son autónomos

Hemos introducido un modelo formal para representar las redes viarias y el tráfico. A partir de este modelo, desarrollamos un sistema de simulación sobre una plataforma de código abierto existente (AIM4) y lo utilizamos para examinar una serie de protocolos de gestión de tráfico diseñados específicamente para el tráfico con vehículos totalmente autónomos. Los resultados de la simulación muestran que los protocolos de gestión del tráfico para los AV pueden ser más sutiles, sensibles y variables con los volúmenes/tasa de flujo de tráfico, la distancia de seguridad del vehículo y la configuración de la carretera. Además, analizando los datos de tráfico del mundo real y los datos de simulación, encontramos que medir la congestión con funciones exponenciales tiene considerables ventajas frente a la función BPR tradicional en determinados aspectos.

El despliegue de vehículos autónomos ofrece la gestión del tráfico con la oportunidad de elegir entre control centralizado o control descentralizado. El precio de la anarquía (PoA) de la toma de decisiones autónomas para el encaminamiento ofrece un criterio cuantitativo aplicable para la selección entre ellas. Hemos ampliado la investigación existente sobre PoA con la clase de funciones exponenciales como funciones de coste. Hemos encontrado una expresión para el límite superior ajustado del PoA para juegos de enrutamiento egoístas con funciones de coste exponencial. A diferencia de los estudios existentes, este límite superior depende de las demandas de tráfico, por lo que podemos obtener una estimación más precisa del PoA. Además, comparando los límites superiores de PoA entre la función BPR y la función exponencial, encontramos que las funciones exponenciales producen un límite superior menor que las funciones BPR en flujos de tráfico relativamente bajos.

Para especificar sistemas de gestión del tráfico, proponemos un modelo híbrido de asignación del tráfico. Este modelo pretende describir sistemas de gestión del tráfico en los que tanto los vehículos como los controladores de carretera toman decisiones autónomas, por tanto, son agentes autónomos. Hemos formulado un problema de optimización no lineal para optimizar el control del tráfico desde una visión macroscópica de la red viaria. Para evitar los cálculos complejos necesarios para la optimización no lineal, propusimos un algoritmo de aproximación para calcular estrategias de encaminamiento de equilibrio y control de tráfico. Los resultados de la simulación muestran que este algoritmo finalmente converge a un estado estacionario. El esquema de control de tráfico en ese estado estacionario es una solución aproximadamente óptima.

In the past decade, the research on autonomous vehicles (AVs) has made revolutionary progress. The advancements in Artificial Intelligence (AI), and especially machine learning, allow self-driving cars to learn how to handle complex road situations based on data from millions of accumulated driving hours, much more than any human driver could ever reach. Autonomous driving brings us hope for safer, more convenient, more efficient, and more environmentally friendly transportation. However, autonomous vehicles on roads also introduce new challenges to traffic management. New theories for a better understanding of the new era of transportation and new technologies for smart roadside infrastructures and intelligent traffic control are crucial for the development and deployment of autonomous vehicles as well as human communities.

This thesis aims to take on the challenges to address some of the key issues in traffic control and management, including intersection protocol design, congestion measurement, selfish routing and road infrastructure automation, under the assumption that all vehicles on the road are connected and self-driving.

To design and test traffic control mechanisms for AVs, we introduced a formal model to represent road networks and traffic. Based on this model, we developed a simulation system on top of an existing open-source platform (AIM4) and used it to examine a number of traffic management protocols specifically designed for traffic with fully autonomous vehicles. Simulation outcomes show that traffic management protocols for AVs can be more subtle, sensitive and variable with traffic volumes/flow rate, vehicle safe distance and road configuration. In addition, by analyzing the real-world traffic data and simulation data, we found that measuring congestion with exponential functions has considerable advantages against the traditional BPR function in certain aspects.

The deployment of autonomous vehicles provides traffic management with an opportunity of choosing either centralised control or decentralised control. The price of anarchy (PoA) of autonomous decision-making for routing gives an applicable quantitative criterion for selection between them. We extended the existing research on PoA with the class of exponential functions as cost functions. We found an expression for the tight upper bound of the PoA for selfish routing games with exponential cost functions. Unlike existing studies, this upper bound depends on traffic demands, with which we can get a more accurate estimation of the PoA. Furthermore, by comparing the upper-bounds of PoA between the BPR function and the exponential function, we found that the exponential functions yield a smaller upper bound than the BPR functions in relatively low traffic flows.

To specify traffic management systems with autonomous roadside facilities, we propose a hybrid model of traffic assignment. This model aims to describe traffic management systems in which both vehicles and roadside controllers make autonomous decisions, therefore, are autonomous agents. We formulated a non-linear optimization problem to optimize traffic control from a macroscopic view of the road network. To avoid the complex calculations required for non-linear optimization, we proposed an approximation algorithm to calculate equilibrium routing and traffic control strategies. The simulation results show that this algorithm eventually converges to a steady state. The traffic control scheme in this steady state is an approximately optimal solution.