교통 상황 정보를 반영한 연비 최적 속도 프로파일 결정 알고리즘에 관한 연구

Abstract

도심 내 교차로에 지능형 교통 시스템(ITS)이 적용되면서 교차로 정보를 이용해 연료 소비량과 배기가스 배출을 줄이는 다양한 연구가 진행되고 있다. 도심 내 교차로에서는 교통 신호, 정지선 등으로 인해 다양한 주행 시나리오가 발생한다. 이에 따라 운전자가 여러 번의 가속, 감속, 공회전 상태를 경험하고, 불필요한 연료 소모를 일으킨다. 하지만 지능형 교통 시스템에서 수집된 정보들을 이용하면 불필요한 연료 소모를 최소화할 수 있다. 본 논문에서는 교통 상황 정보, 차량 상태, 연료 소모량을 추정하여 모델 예측 제어에 적용해 연비 최적의 속도 프로파일을 생성한다. 교차로의 잔여 신호 시간 등의 정보를 반영해 교통 공학 이론에 근거하여 대기 행렬길이와 대기행렬 소거시간을 추정한다. 그리고 각 개별 차량의 주행저항, 동력계통의 효율 등을 반영한 차량 동역학 모델을 이용해 차량의 상태를 추정한다. 또한, 엔진 및 구동계의 효율을 반영한 연료 소모 모델을 이용해 연료 소모량을 추정한다. 제어 전략으로는 discrete optimal control의 모델 예측 제어를 적용하였다. 모델 예측 제어는 연료 소모량을 반영한 가치 함수의 합을 최소화하는 가속도 입력을 계산한다. 돌발 상황이 많은 교차로에서 안전과 편의를 보장하기 위해 제약조건을 이용하였고, 교통상황, 차간거리, 가속도 등에 제약조건을 적용해 안전과 편의를 보장한다. 위 알고리즘은 교통 시뮬레이션 프로그램인 Aimsun을 이용하여 실제 교차로 환경을 구축 하였다. 또한, V2X 환경을 가정하고, Python을 이용하여 제어 입력을 계산하였다. 구축된 환경에서 시뮬레이션을 진행하였고, 교차로에서 발생하는 연비 소모량을 줄이는 것을 확인하였다.; In this paper, traffic situation information, vehicle condition, and fuel consumption are estimated and applied to the model predictive control to generate fuel economy optimal speed profile. The based on shock wave theory, queue length and queue dissipated time are estimated. The vehicle state is estimated using a vehicle dynamics model that reflects the running resistance of the vehicle, the efficiency of vehicle power system. In addition, fuel consumption is estimated using a fuel consumption model that reflects the efficiency of the engine and the drive system. As a control strategy, model predictive control of discrete optimal control is applied. The model predictive control computes an acceleration input that minimizes the sum of the value functions that reflect fuel consumption. In an intersection with many unexpected situations, it is controlled so as not to adversely affect the traffic flow by changing the constraint according to the traffic situation. The above algorithm uses microscopic traffic simulator Aimsun to construct the actual intersection environment. In addition, we assume the V2X environment to get information about traffic situation and calculate the control input using Python. It is confirmed that the fuel consumption of the intersection is reduced by simulating the real traffic flow.