Distribute Model Predictive Control for Cooperative Intersection Management of Autonomous Vehicles - A Generalized Nash Equilibrium Approach
Authors
Jeppesen, Chris Ulrik ; Damgaard, Malte Rørmose
Term
4. term
Education
Publication year
2018
Submitted on
2018-07-06
Pages
174
Abstract
Efterhånden som selvkørende køretøjer og køretøj-til-køretøj-kommunikation (V2V) udvikler sig, undersøger dette projekt, hvordan de kan gøre passage gennem vejkryds mere sikker og effektiv. Vi opstiller en generel matematisk definition af problemet med kooperativ krydsstyring (Cooperative Intersection Management, CIM) og analyserer det med et spilteoretisk blik ved hjælp af en generaliseret Nash-ligevægt, som beskriver, hvordan flere køretøjer træffer beslutninger sammen. Med udgangspunkt i denne analyse og de typiske beslutningslag i autonome køretøjer foreslår vi en todelt løsning: Ét delsystem kompenserer for modelmangler og målestøj, og et andet sikrer, at planerne er gennemførlige og søger mod optimal ydeevne. Tilgangen vurderes både i computersimuleringer og i praktiske forsøg. Under de angivne antagelser håndterer metoden krydspassage effektivt på en distribueret måde.
As self-driving vehicles and vehicle-to-vehicle (V2V) communication advance, this project examines how they can make passing through intersections safer and more efficient. We provide a general mathematical definition of the Cooperative Intersection Management (CIM) problem and study it through a game-theory perspective, using a Generalized Nash Equilibrium to model how multiple vehicles make decisions together. Guided by this analysis and by typical decision-making layers in autonomous vehicles, we propose a two-part solution: one component compensates for imperfect models and sensor noise, and the other ensures that plans are feasible and aim for optimal performance. We evaluate the approach in both computer simulations and real-world tests. Under the stated assumptions, the method manages intersection crossings effectively in a distributed way.
[This abstract was generated with the help of AI]
Documents