Afgelopen oktober promoveerde Meng Wang cum laude aan de TU Delft. In zijn proefschrift beschrijft hij een nieuw raamwerk voor het ontwerp van rijtaakondersteunende systemen als Adaptive Cruise Control. Met dit raamwerk kun je complexe algoritmen voor autonome én coöperatieve toepassingen ontwikkelen. In deze bijdrage vertellen Wang en zijn promotoren Hoogendoorn, Van Arem en Daamen over het onderzoek. Daarbij ook aandacht voor de vraag: welk effect heeft ACC eigenlijk op de efficiëntie van de verkeersstroom?
Adaptive Cruise Control of ACC valt onder de Advanced Driver Assistance Systems, systemen die de bestuurder ondersteunen bij het uitvoeren van de rijtaak. De systemen hebben de potentie de veiligheid, efficiëntie en duurzaamheid van ons verkeerssysteem fors te verbeteren. In Europa, de VS en Japan wordt dan ook hard gewerkt aan het ontwikkelen van nieuwe Driver Assistance-modellen en -prototypen.
Onderzoekers hebben de afgelopen drie decennia veel vooruitgang geboekt, getuige de verschillende commerciële ACC-systemen die zijn opgeleverd. Maar bij elke technologische stap vooruit, dienen zich ook wetenschappelijke uitdagingen aan. Hoe kun je de nieuwe technologie, zoals sensing en communicatie, slim toepassen? Hoe om te gaan met de nieuwe eisen die er aan de ACC-systemen worden gesteld? Een voorbeeld: eerst ging het bij ACC alleen om het rijcomfort (automatisch afstand houden), maar tegenwoordig is ook zuinig rijden een belangrijk doel. Hoe kun je algoritmes ontwerpen die meerdere doelstellingen realiseren? In ons onderzoek zijn we specifiek op die laatste vraag ingegaan. We hebben een nieuw ‘raamwerk’ ontwikkeld voor het ontwerpen van verschillende typen ACC. Naast het gewone ACC, gaat het om de ecologische ACC (EcoACC) die zuinig rijden ondersteunt en om de coöperatieve ACC (C-ACC) voor coöperatieve rijconcepten.
De eerste stap bij het bouwen van ons raamwerk was het kiezen van een geschikte regelmethodiek. Een veel toegepaste is de state feedback-methodiek, waarbij op basis van de huidige toestand van het systeem, namelijk locatie en de snelheden van de voertuigen, de optimale versnelling van het gecontroleerde voertuig wordt bepaald. In een volgende tijdstap wordt opnieuw gekeken naar de toestand van het systeem, die immers is veranderd, en wordt opnieuw de beste reactie bepaald. De artificial intelligence-groep omvat methodieken die gebruik maken van een vorm van kunstmatige intelligentie, zoals fuzzy logic en zelflerende systemen. Een nadeel van zowel state-feedback als artificial intelligence is echter dat ze reactief zijn en weinig flexibel – zie bijgaande tabel.
Dat ligt anders met de regelmethodiek die we model predictive control noemen. Kenmerk is dat de regelaar op basis van de bestaande verkeerscondities continu het gedrag van omringende voertuigen voorspelt. Dat is input voor het vaststellen van het optimale versnellings- of vertragingsprofiel, waarbij een kostenfunctie wordt geminimaliseerd. Afhankelijk van de ACC-toepassing bestaat zo’n kostenfunctie uit meerdere criteria, zoals veiligheid, efficiëntie, comfort en duurzaamheid. Er kan dus gestuurd worden op verschillende regeldoelen, wat de aanpak uiterst flexibel maakt. Een ‘nadeel’ is dat het werken met voorspellingen veel rekenkracht van de processors vergt. Dankzij de geavanceerde rekenmethoden die mede in dit project zijn ontwikkeld, is dat echter nauwelijks een probleem meer.
Voor het ontwikkelen van ons nieuwe raamwerk viel de keuze dan ook vanzelf op model predictive control. We hebben de regelmethodiek verder verfijnd, onder meer door gebruik te maken van het Minimumprincipe van Pontryagin. Onze tests laten zien dat onze methode flexibel omgaat met zowel autonome als coöperatieve regelproblemen. Bovendien is ze goed op te schalen en leidt ze tot efficiënte algoritmes die geschikt lijken voor online (= real-time uitvoerbare) toepassingen.
Toepassingen
Om het raamwerk te beproeven zijn we direct aan de slag gegaan met de bouw van enkele algoritmes, die we analytisch en met behulp van simulaties hebben beproefd. Er is een nieuwe ACC-regelaar gemaakt voor het optimaliseren van efficiëntie, veiligheid en comfort (een uitbreiding van de gangbare ACC-regelaar). Ook hebben we een EcoACC-regelaar ontworpen door CO2-emissie minimalisatie toe te voegen aan de kostenfunctie van de ACC-regelaar.
Maar de echte uitdaging was natuurlijk het bouwen van een algoritme dat geschikt is voor coöperatieve toepassingen. In tegenstelling tot de ACC- en EcoACC-systemen die alleen informatie krijgen van sensoren aan boord, delen C-ACC-systemen de toestands- en regelinformatie via voertuig-voertuig (V2V)-communicatie en worden regelbeslissingen samen gemaakt. C-ACC-voertuigen coördineren hun gedrag zodanig dat de prestatie van het totale systeem geoptimaliseerd wordt. Dit houdt in dat er compromissen worden gesloten waarbij het individueel belang ondergeschikt is aan het belang van het totale systeem. Een uniek kenmerk van de C-ACC-regelaar die we met het nieuwe raamwerk hebben ontwikkeld, is dat samenwerking niet beperkt blijft tot samenwerking tussen geregelde voertuigen. Als een C-ACC-voertuig wordt gevolgd door een voertuig met bestuurder, kan het nog steeds coöperatief gedrag vertonen door de verwachte reactie van de bestuurder van het volgende voertuig mee te nemen in de beslissing van de regelaar. Dit is van essentieel belang bij de invoering van het systeem: doordat het systeem niet afhankelijk is van V2V-communicatie kan het ook goed zijn weg vinden in een verkeerssysteem met nog relatief weinig coöperatieve voertuigen. Simulaties met de voorgestelde regelaar laten onder representatieve omstandigheden plausibel gedrag zien, zoals verwacht op basis van de formulering van de regelaar. Ook blijkt de totale situatie in gemengd verkeer beter te worden bij coöperatief regelen, zelfs bij een lage penetratiegraad van C-ACC-voertuigen.
Nieuwe inzichten over de invloed van ACC
Onderdeel van het onderzoek waren ook simulatiestudies naar het effect van ACC-systemen op de efficiëntie van de verkeersstroom. Hierbij is niet alleen gekeken naar capaciteit, maar zijn ook de verschillende vormen van stabiliteit van een verkeersstroom met ACC-voertuigen analytisch onderzocht. De capaciteit en stabiliteit van verkeersstromen met ACC-voertuigen wordt voornamelijk bepaald door de parameters van de regelaar, zoals de gewenste volgtijd en de weegfactoren voor de verschillende elementen in de kostenfunctie. In het algemeen zien we dat het vergroten van de volgtijd de stabiliteit van de verkeersstroom verbetert ten koste van de capaciteit. Het verhogen van de weegfactoren voor veiligheid en efficiëntie zorgt ook voor een stabielere verkeersstroom, terwijl de fundamentele relatie tussen verkeersdichtheid en verkeersintensiteit (en dus de capaciteit) gelijk blijft.
Er is bij het bestuderen van de verkeersstroom ook veel aandacht geschonken aan de capaciteitsval en filegolven, en hoe de kenmerken ervan worden beïnvloed door de aanwezigheid van ACC- en C-ACC-voertuigen. De algoritmes voor decentrale ACC-systemen en gedistribueerde C-ACC-systemen zijn geïmplementeerd in een open-source microscopisch verkeerssimulatiemodel. We hebben experimenten uitgevoerd met een simulatiemodel dat een veertien kilometer lange tweestrookssnelweg simuleert met verschillende penetratiegraden van ACC- en C-ACC-voertuigen. En wat blijkt? ACC-systemen verminderen de capaciteitsval. Filegolven die ontstaan hebben geen constante snelheid zoals normaal gesproken het geval is, maar een snelheid die afhangt van de verhouding ACC-voertuigen en voertuigen met bestuurders in het verkeer. De C-ACC-systemen verbeteren bovendien de stabiliteit aan zowel het begin als het einde van het filegebied en verhogen de effectieve capaciteit van het knelpunt in vergelijking met menselijke bestuurders en ACC-systemen. Een noemenswaardige eigenschap van C-ACC-systemen is dat filegolven zich sneller stroomopwaarts verplaatsen als gevolg van de V2V-communicatie.
De voorgestelde EcoACC-systemen leiden in filevrije condities tot lagere verkeerssnelheden en lagere intensiteiten in vergelijking met ACC-systemen, maar in staat van congestie juist tot een hogere snelheid en hogere intensiteiten. De uitstoot van CO2 per kilometer weg is met EcoACC-voertuigen beduidend lager dan met ACC-voertuigen.
Verkeersmanagement met ACC
Belangrijk pre van een coöperatief systeem is dat de voertuigen niet alleen onderling kunnen communiceren, maar ook met de wegkant. Dit maakt ‘verkeersmanagement in de auto’ mogelijk. We hebben dit regelconcept, waarbij intelligente voertuigen de actuatoren van het verkeersregelsysteem zijn, gerealiseerd door een variabele snelheidslimiet (VSL)-regelaar op wegvakniveau te koppelen aan de ACC-regelaar op voertuigniveau door middel van voertuig-infrastructuur (V2I)-communicatie. De regelaar op wegvakniveau schat en voorspelt de globale verkeerstoestand en construeert VSL-schema’s om de filegolven op te lossen (mooi extraatje is dat de kwaliteit van deze voorspelling hoger is doordat er gebruik wordt gemaakt van de informatie van de ACC-systemen). De VSL-regelsignalen worden naar de ACC-voertuigen doorgestuurd vanaf de VSL-portalen. De ACC-voertuigen optimaliseren vervolgens de lokale situatie, waarbij de VSL-signalen worden gebruikt als regelcommando om de parameters voor de gewenste snelheid aan te passen. Zo zijn de regelsignalen niet alleen effectief ter hoogte van de portalen (voor niet-ACC voertuigen), maar ook tussen de portalen (voor ACC-voertuigen), zodat het verkeer als geheel sneller reageert op de situatie. Met behulp van simulatie-experimenten hebben we de effectiviteit van dit geïntegreerde verkeersregelschema onderzocht, met verschillende aandelen van ACC-voertuigen in het verkeer. Ondanks de moeilijkheden in het voorspellen van de verkeerssituatie – de eigenschappen van de verkeersstroom zijn bij gebruik van ACC-systemen immers anders dan normaal – werkt het regelconcept zonder fundamentele veranderingen van het oorspronkelijke VSL-algoritme en worden de filegolven succesvol opgelost in alle geteste situaties met ACC-voertuigen. Ook blijkt dat het geïntegreerde regelconcept de totale reistijd in het netwerk effectief reduceert, effectiever dan in de referentiesituatie met alleen menselijke bestuurders en de situatie met een even groot aantal ACC-voertuigen dat niet samenwerkt.
Implicaties en aanbevelingen
Ons generieke regeltechnisch raamwerk, gebaseerd op model predictive control en gebruikmakend van het Minimumprincipe van Pontryagin, levert krachtig methodologisch gereedschap op voor het ontwerpen van nieuwe ACC-algoritmes. De inzichten die ons onderzoek heeft opgeleverd over de verandering van de verkeersstroom bij een transitie van menselijke bestuurders naar ACC, ondersteunt onderzoekers en wegbeheerders bij het heroverwegen en herontwerpen van verkeersregelmechanismen. En heel belangrijk: het geïntegreerde verkeersregelsysteem met samenwerking tussen voertuigen en infrastructuur geeft wegbeheerders een nieuwe aanpak voor verkeersmanagement met intelligente voertuigen. We adviseren om samenwerking tussen voertuigen en infrastructuur met behulp van V2I-communicatie in een vroeg stadium van de invoering van Advanced Driver Assistance Systems mee te nemen om zo een hogere effectiviteit te bereiken.
Natuurlijk zijn we er nog lang niet. Als aanbevelingen voor toekomstig onderzoek dragen we daarom in ieder geval de volgende punten aan:
- Breid het voorgestelde regeltechnische raamwerk uit met regelaars voor rijstrookwisselingen.
- Test de robuustheid en effectiviteit van de voorgestelde regelaars in de praktijk, zodat ook duidelijk wordt hoe de regelaars omgaan met ruis en vertraging in de ‘regellus’ en mogelijke onvolkomenheden in de communicatie.
- Neem nadrukkelijker het effect van het menselijk gedrag mee.
Aan de uitbreiding van de regelaar in laterale richting is reeds met succes gewerkt. Het laatste punt behoeft zeker nog aandacht. Het gaat niet alleen om de bestuurders van de uitgeruste voertuigen zelf, maar ook om de reactie van de ‘gewone’ bestuurders. Zeker bij de inzet van het voertuig voor verkeersmanagement is dit belangrijk, bijvoorbeeld als we proberen de snelheid van de verkeersstroom te beïnvloeden. Praktijkproeven zijn hiervoor essentieel en leveren belangrijke inzichten die zullen helpen bij het verder ontwikkelen van nieuwe verkeersmanagementconcepten.
____
De auteurs
Dr. Meng Wang is postdoc ‘Truck merging support’ aan de TU Delft.
Prof. dr. ir. Serge Hoogendoorn, prof. dr. ir. Bart van Arem en dr. ir. Winnie Daamen zijn respectievelijk hoogleraar Verkeersstromen, hoogleraar Verkeersmodellen en universitair hoofddocent Verkeerssimulatiemodellen aan de TU Delft.
