AI Integrated Autonomous Lane Change Control System Adaptable to Dynamic Traffic Flow

Abstract

The purpose of this study is to develop an autonomous lane change control system that adapts to variable surrounding conditions to ensure vehicle safety and traffic flow stability. In this thesis, decision-making and control procedures are proposed for realising autonomous lane changing. Accordingly, not only behaviours for lane changing but also those involved in approaching the lane changing state are considered, with the focus on acceptable lane change space (ALCS) selection and controller design. A deep learning architecture that contains a sequential ALCS selection behaviour is introduced to solve the space selection problem. For the controller, a decoupled control structure and a longitudinal trajectory-free control approach are suggested. A novel inter-vehicle spacing policy and a 3-degree-of-freedom lateral error vehicle dynamics model are designed and applied to the controller. To verify the effectiveness of this system, vehicle dynamics simulation and traffic flow simulation evaluations are conducted. Vehicle dynamics simulation experiments are performed for 12 different surrounding scenarios, and system assessments are conducted based on four evaluation perspectives. Experiments simulating traffic flow are also conducted in free, congested, and near-capacity flow condition scenarios. To build scenario networks resembling real-world traffic flow, a reliable calibration level is identified. The results confirm that the proposed system can safely control the vehicle under various surrounding vehicle conditions and ensure stable vehicle motion. Furthermore, the existing dynamic instability problem of lateral control arising from variable longitudinal acceleration is resolved. This proposed system also affords considerable traffic flow improvement under the near-capacity flow condition. One remarkable advantage of this model is that the controlled vehicle does not interfere with the target lane traffic flow and smoothly synchronises with the flow during lane changing.|운전자 주행에서 차선변경은 교통사고를 유발할 가능성이 높고, 주변 교통흐름을 간섭하며, 판단 및 조작이 가장 까다로운 동작이다. 본 연구에서는 가변적 교통흐름에 적응 가능한 자율 차선변경 제어시스템을 개발한다. 본 시스템은 제어대상 차량이 즉각적인 차선변선이 불가한 상태일지라도 차선변경 가능한 주행상태에 도달하고, 안전하게 차선변경이 수행되도록 개발되었다. 본 시스템은 가변적 주변상황을 인지하고 최적의 차선변경 가능공간을 선정하는 단계와 차량의 종, 횡방향을 제어하는 단계로 구성된다. 차선변경 가능공간 선정 시스템은 다양한 교통상황에서의 차로변경 주행 빅데이터 자료를 LRCN (CNN + LSTM) 구조의 딥러닝 모형으로 개발되었으며, 실시간 주변차량과의 상대정보를 입력으로 최적의 차선변경 가능 공간을 선정한다. 차량 제어부에서는 실시간으로 선정된 가능공간에 도달한 뒤 차선변경을 수행하는 종, 횡방향 decoupled 제어가 구현된다. 또한 주변의 상대차량과의 안전거리를 지속적으로 확보하는 제어가 수행된다. 종방향 제어기는 주행행태 분석을 통해 설계된 nonlinear spacing policy를 슬라이딩모드 (SMC) 제어기에 적용하여 개발되었다. 횡방향 제어기는 가변적인 종방향 영향이 반영된 3DOF 차량동역학 모형을 적응형 모델예측제어 (AMPC) 기법에 적용하여 개발되었다. 본 시스템을 차량 동역학 및 교통류 시뮬레이션을 통해 다양한 주변차량 주행 및 교통환경 시나리오에서 평가한 결과, 정상 주행에서 교통류의 안전성 및 안정성을 모두 확보하는 우수한 결과를 도출하였다. 본 시스템은 종방향 가감속 변화에 매우 영향을 받는 차선변경 제어에 충분한 차량 거동 안정성을 확보하는데 기여한다. 더욱이 본 연구에서 채택한 trajectory-free 및 decoupled 제어 방식은 ACC 및 LKAS 시스템과 유기적인 구동에 효과적이며, 보다 가까운 자율주행 현실화에 기여할 것으로 기대된다.