VIRES VTDによるコネクテッドカーソリューション

自動運転 マルチレゾリューション 車両アドホックネットワーク 解決するためのアプローチを示します。（VANET）は、交通の安全性、効率およびドライバーの快適性 交通シミュレーション を向上する可能性があるため、ここ数年、 マルチレゾリューション交通シミュ多くの研究者が注目しています。事実、協 レーションの開発調運転やそれに続く自動運転など、いくつ VIRES VTDによる かのADAS（Advanced Driver Assistance ミクロ交通シミュレータ：SUMOSystems；先進運転支援システム）アプリケ 私達はローレゾリューション（LRA）のシ コネクテッドカーソリューション ーションは、道路上の車車間通信によって ミュレーションを担う交通シミュレータのみ実現しています。 として、SUMO（Simulation of Urban Mobility）を使用することを選択しまし これらのシステムは多くの場合、セーフティ た。SUMOは、ミクロかつ連続空間の離散 クリティカルな機能を提示するため、量産 時間型シミュレータです。広範囲の研究 AUDI AG: Andreas Kern 前に厳格なテストと検証を完了しなければ 分野で採用されていますが、その最も顕 Technical University of Munich: Manuel Schiller なりません。プロトタイプ車両を使用した実 著な使用法は、VANETシミュレーション際の路上テストでは最も現実的な結果が得 に関する多数の研究論文に示されていま Institute of Transportation Systems: Daniel Krajzewicz られますが、車両ネットワークの大規模で す。SUMOは、その速い実行速度と拡張性 VIRES, part of Hexagon: Marius Dupuis 大がかりなテストを実行するためには大量 でよく知られています。SUMOは、その効 のリソースが必要なことからその実現は、現 率性からLRAに属する多数の車両をシミュ 実的ではありません。大規模な仮想環境で レーションするのに理想的であり、これは、 このようなソリューションの性能検証をする 単純化されたドライバーモデル（車両が進 には、シミュレーションが不可欠です。さら む経路を決定する）によって部分的に達成 に、シミュレーションベースの評価技術は、 されています。 人間を危険にさらすことなく、多種多様で危 険やクリティカルなシナリオの中で、これら ナノ交通/車両シミュレータ：VIRES 複雑なシステムをテストするために非常に Virtual Test Drive 有効な方法です。 「私達はハイレゾリューションの車両シミュ レーションには、ナノ交通/車両シミュレー 自動車産業では、従来のドライバー支援や タであるVIRES Virtual Test Drive（VTD） アクティブセーフティシステムの開発プロ を採用しています。」VTDは、ADASおよび セスでシミュレーション（図1）の使用が確立 自動運転車の開発に使用される仮想テスト されており、主に、非常に高精細に個々の車 環境として自動車産業向けに開発されまし 両のシミュレーションに焦点を当てていま た。VTDのフォーカスとしては、ドライバー す。車両通信ベースのADASの性能を調査 の行動、車両ダイナミクスおよびセンサー および評価する場合、シミュレーションでの のインタラクティブで高度にリアルなシミュ 単一車両または少数の車両といった孤立し レーションにあります。VTDは高度にモジ た視点では不十分です。潜在的に無線通信 ュール化されているため、どんな標準コン 技術を搭載したすべての車両は、車両ネッ ポーネントでも、簡易なものから詳細なもの トワークに参加している他の道路利用者と フィードバックループの中でつなぐことがで き、したがって考慮する必要がある車両の 数は大幅に増加します。 こういったことを考慮することは、限られ たコンピュータリソースの中でそれぞれの 車両のシミュレーションの詳細度における 精度とシミュレーションされる車両の数に おける拡張性とがトレードオフの関係をも たらします。この記事では、必要な場所で 高精度なシミュレーション結果を取得する こと、同時に周辺環境の大規模シナリオの 効率的なシミュレーションを実現するため に、複数の解像度の交通シミュレーション を組み合わせることで、このトレードオフを 図1: ADASシミュレーション 68 | Engineering Reality Magazine Volume X - Winter 2019 | mscsoftware.com | 69

までカスタム実装が可能です。標準ドライ れた時に、精度の違いにより特定の車線位 レゾリューション車両、ローレゾリューショ バーモデルは、インテリジェントドライバー 置に車両をマッピングできない場合、前述 ン車両は絶え間なく移動することが可能で モデルに基づいています。ただし、必要に した基礎となる道路ネットワーク固有の違 す。したがって、割り当てられたレゾリュー 応じて外部ドライバーモデルを適用できま いが問題を引き起こしている可能性があり ションモードの分類は、シミュレーションの す。同じ概念が車両ダイナミクスシミュレー ます。これは複雑な交差点がまったく異なる 各時間ステップの後に実行されます。分類 ションにも適用され、標準のシングルトラッ 形でモデル化されるためです。 によりレゾリューションが変更された車両 クモデルを、特定の車両に適合した任意の は、適切なシミュレータに転送されます。こ 複雑な車両ダイナミクスモデルで置き換え すべてのレゾリューションの変更が正常に のレゾリューションの変更は、時間ステップ VTDは高度にモジュール化されているため、 ることができます。各車両には、図2に示す 完了すると、シミュレーションが再び解除さ ごとに双方向で可能です。ただし、HRAは どんな標準コンポーネントでも、 RADARセンサーなどの任意のシミュレーシ れ、次の時間ステップのシミュレーションが EGO車を中心に定義されているため、EGO ョンされたセンサーを装備できます。 始まります。この同期方法は、複数のシミュ 車は常にハイレゾリューションでシミュレー 簡易なものから詳細なものまで レーション実行で再現可能なシミュレーショ ションされます。 カスタム実装が可能です。 オフラインでの前処理 ン結果を確保するために非常に重要です。 - 連成を可能にする HRAとLRAの境界に近い車両が2つのレゾ 2つのシミュレータが、モデル化された道 リューション領域間で頻繁に行き来するの 路ネットワークを表す異なるデータ形式に シミュレーション領域の動的空間 を防ぐために、図5に示すようなヒステリシ 依存しています。両方のシミュレータのCo- 分割 スコントローラが分類プロセスに適用され Simulationを実行できるようにするには、基 ます。図3に示すように、2つのしきい値Rin 礎となるデータベースが必ず一致する必要 私たちのアプローチは、関心のある動的領 とRoutが定義されています。車両は、EGO車 があります。VTDは道路ネットワークとして 域で異なるレゾリューションの交通シミュレ までの距離がRinの値を下回った場合にの OpenDRIVE形式を使用してします。この仕 ーションモデルを連成することを目指して み、ハイレゾリューションのシミュレーション 様では、要素分解した定義を使用して、道 います。従来の交通シミュレーションとは異 に転送されます。ローレゾリューションのシ 図2: VIRES VTDでシミュレーションした RADARセンサーの3次元視覚化 路形状を可能な限り現実的にモデル化しま なり、鳥瞰的な観点から多数の車両を調査 ミュレーションへの転送は、しきい値Routを 1,800秒のシミュレーション時間にわたっ す。一方、SUMOは、道路ネットワークの形 することに関心があるわけではなく、焦点 超えるまで実行されません。 て各シミュレーションステップを実行する 状を線の区切りでモデル化します。交差点 はむしろ、仮想環境でテストドライブを行う のにかかる時間を測定しました。各一連の と車線の形状のモデリングにも違いがあり ために使用される単一の車両（または限ら シミュレーションは、測定される実行時間 ます。一致したデータベースを実現するた れた数の車両）にあります。この対象車両に シミュレーションと評価 の変動を考慮するために5つに分けたシミ めに、オフラインでの前処理により道路ネッ は研究中のADASシステムが搭載されてお ュレーションで構成されています。測定の トワークをOpenDRIVEからSUMOがサポ り、EGO車と呼ばれています。シミュレーシ シナリオとシミュレーションのセットアップ 傾向をより明確に示すために、移動平均も ートするファイル形式に変換します。 ョンされた測定値とセンサー値はADASに 連成のコンセプトをテストし、そのパフォー 以下の図に示します。 供給され、そのタイプとユースケースに応じ マンスを評価するための統合的なシナリ オンラインによる連成と同期 て、ADASは直接的または間接的に車両の オを作成しました。これは、長さ50 kmの西 図6は、シミュレーション時間中に車両の数 図5: シミュレーションレゾリューション変化時のヒス テリシス制御 シミュレーション実行時のシミュレータの 状態と動作に影響を与えます。 から東に走る一本の直線道路と、各方向 の増加に対する、ナノスケールシミュレーシ 連成は、マスター-スレーブの原理に基づ に2つの車線で構成されています。各車線 ョンのパフォーマンスの変化を示していま いています。図4は、VTDとSUMOが同期を 距離基準に基づいて、EGO車を中心とする は、東西に向かう車両が1時間あたり一定 す。各シミュレーションステップの期間に、 失わずにそれぞれが異なる時間ステップ 関心領域が定義され、そのエリアの中は定 で1000台走行するように構成されていま コンスタントに最大70台の車両を増加させ 領域を減らすことで、全体的なシミュレーシ で動作するための、１つのシミュレーション 義されたシミュレーションの高い忠実性の す。EGO車は道路の始点近くに配置してあ ています。シミュレーション処理時間は約12 ョン時間を短縮するという目的を満たして ステップ中のシーケンスを示しています。 要件を満たす必要があります。EGO車は仮 ります。西から東へ走行し、近づいてくる交 ミリ秒までは、シミュレーションステップの いることを示しています。ナノスケールの車 図3: シミュレーション領域の動的分割 想環境を連続的に走行しているため、この 通の流れに向かっています。この人工的な 長さの20ミリ秒よりも短いため、リアルタイ 両が11台という局所的な最大値に達した SVTD はハイレゾリューション領域（HRA）の 関心領域も同様に移動します。したがって、 道路は、最初にOpenDRIVE形式でモデル ムの制約を満たします。約150台の車両で 後、より遅い車両がより速く動くEGO車の 時間ステップの長さで、SSUMOはローレゾリ シミュレーションの全体領域をハイレゾリ 化し、そしてSUMOの道路ネットワーク形 は、所要時間はこれらの20ミリ秒を超えて 後方に残るため、この車両数のカウントが ューション領域（LRA）の時間ステップの長 ューションエリア（HRA）とローレゾリューシ 式に変換しました。 おり、リアルタイムシミュレーションはもは ゆっくりと減少します。シミュレーション時 さです。通常、ナノスケールのシミュレーショ ョンエリア（LRA）に動的に分割します。図3 や不可能です。車両数の増加に伴い、各時 間約1,350秒で、道路の両端からの2つの交 ンは、マイクロスケールのシミュレーション は、動的空間分割の概略図を示しています。 2つの一連の実験を行いました。1つ目は、 間ステップの処理時間も大幅に増加し、シ 通流が道路の中央で合流し、ナノスケール よりも高い周波数で実行されます。TVTD お そこでは、HRAはEGO車両を中心とする円 ナノスケールの交通シミュレータVTDをシ ミュレーション期間の終了時には180ミリ秒 の車両数が増加します。ただし、HRAの範 よびTSUMOは、それぞれ各シミュレータのロ の領域として定義されています。赤い車両 ミュレーション領域全体に適用しました。2 に達します。これにより、シミュレーションの 囲は限られているため、ナノスケール車両 ーカルシミュレーション時間を示します。各 はその円の中にあり、関連するナノスケー つ目は、説明したマルチレゾリューション 開始時と比較して、計算時間が15倍になり の数は、この設定では約27台というリミッ シミュレーションステップの開始時に、VTD ルのシミュレータによってハイレゾリューシ の概念を使用して、VTDとSUMOの間でシ ます。シミュレーション全体の完了には120 トを超えることはありません。時間ステップ で新しい時間ステップがシミュレーションさ ョンでシミュレーションされるのに対し、緑 ミュレーション領域を分割しました。VTDの 分以上かかり、これは、シミュレーションされ の処理時間は平均して12ミリ秒前後で一 れます。SUMOが次の時間ステップに到達 の車両は円の外側にあり、そのためマイク ハイレゾリューション領域にはSVTD20ミリ る時間の4倍です。 定であるため、2つのシミュレータのカップ し、条件TVTD≥TVTD + SSUMOが満たされると、 ロスケールのシミュレータによってローレゾ 秒の時間ステップを、SUMOのローレゾリ リングによるオーバーヘッドは無視できま ハイレゾリューション車両の状態がゲートウ リューションでシミュレーションされます。す ューション領域にはSSUMO1秒の時間ステッ 図7は、同じシミュレーション期間にわたる す。マイクロスケールシミュレータの実行時 ェイを介してSUMOに送信されます。このこ べての車両はマイクロスケールのシミュレ プを選択しました。関心のある動的領域を 同じシミュレーションシナリオでのマルチレ 間も、それほど詳細ではありませんが、はる とがローレゾリューションモデルの次の時 ーションに存在しますが、ナノスケールのシ 定義するヒステリシスしきい値は、Rin500 ゾリューションシミュレーションのパフォー かに効率的なシミュレーションモデルであ 間ステップのシミュレーションのトリガーと ミュレーションではハイレゾリューションの mおよびRout550 mに設定しました。 マンスの変化を示しています。純粋なナノ るため、無視できることが示されています。 なり、その結果、ローレゾリューション車両 みが含まれ、それらの動きはマイクロスケー スケールシミュレーションの場合と同じ方 シミュレーション全体の完了には18分もか の位置がVTDに返されます。これらの車両 ルのシミュレータの対応するプロキシに与 性能評価 法で総車両数を増加している条件で、ハイ からなかったため、シミュレーションはリア は分類され、該当する場合にレゾリューショ えられます。 車両の数をコンスタントに増加させながら レゾリューション領域内にあるナノスケー ルタイムよりも1.66倍速く、シミュレーション 図4: シミュレーション解像度の切り替えの比較 ンの変更が個々の車両に対して実行されま ルシミュレーションでの車両数を示してい 期間全体を通じてリアルタイム制約が満た す。シミュレータ間で車両の交換が実施さ 道路交通の動的性質により、EGO車、ハイ ます。これは、ナノスケールモデルの関心 されました。 70 | Engineering Reality Magazine Volume X - Winter 2019 | mscsoftware.com | 71

この分割統治戦略により、 仮想環境での 車両ネットワークに基づいた 運転支援システムの 現実の実装における 正確で現実的な 大規模テストと検証が 可能になります。 図6: シミュレーションパフォーマンス—ナノスケールシミュレーションのみ 図7: シミュレーションパフォーマンス—マルチレゾリューションシミュレーション 結論 参考文献 この記事では、動的に決定された関心領 “Multi-resolution Traffic Simulation for Large-Scale High-Fidelity Evaluation of 域に焦点を当てたマルチレゾリューショ VANET Applications”, Manuel Schiller, ンの交通シミュレーションを実現するため Marius Dupuis, Daniel Krajzewicz, Andreas に、異なるシミュレーションレゾリューショ Kern and Alois Knoll, © 3rd SUMO Conference 2015 Berlin, Germany ンの交通シミュレータを連成するための 概念を提案しました。提示した方法は、シミ ュレーション領域を、VIRES Virtual Test Drive（VTD）を備えたナノスケールモデル で表される可変で高精細な関心領域と、マ イクロスケールモデルによってローレゾリ ューションでシミュレーションする周辺領 域に分割します。評価では、同じシミュレー ション規模での純粋なナノスケールシミュ レーションと比較して、計算時間の劇的な 短縮を示し、これはリアルタイムシミュレー ションをも可能にします。この分割統治戦 略により、仮想環境での車両ネットワーク に基づいた運転支援システムの実際の実 装における正確で現実的な大規模テスト と検証が可能になります。次のステップと して、すべての領域にわたってシステム全 体を高い忠実性で効率的にモデル化する ために、私達は他の領域である、車両ネッ トワークのシミュレーションに関連する、つ まりネットワークシミュレーションとアプリ ケーションエミュレーションに対してのマ ルチレゾリューションシミュレーション手法 の適用を調査します。 自動運転に欠かせないオープンスタンダードとは？ 無料のホワイトペーパーのダウンロードはこちらから: www.mscsoftware.com/openstandards 72 | Engineering Reality Magazine Volume X - Winter 2019 | mscsoftware.com | 73