Intelligent traffic management algorithms for environmental impacts reduction at city centers aided GNSS positioning

Abstract

O congestionamento do tráfego no centro das cidades e impacto ambiental associado estão entre os principais desafios colocados hoje em dia aos investigadores na área da mobilidade. Este trabalho tem como objectivo contribuir para a melhoria da mobilidade urbana, em termos do aumento da capacidade das infraestruturas rodoviárias e da redução das emissões dos veículos. O presente trabalho está incluído no domínio dos "Sistemas de Transportes Inteligentes", nomeadamente na simulação de tráfego de veículos autónomos e análise das emissões de CO2 ao um nível microscópico. O trabalho incidirá sobre o desenvolvimento de metodologias para a gestão de tráfego em intersecções, auxiliadas por um sistema de localização multi-sensorial. Um ambiente de simulação integrado é analisado no contexto do desenvolvimento de algoritmos "Inteligentes de Gestão de Tráfego" (Intelligent Traffic Management-ITM) aplicados em intersecções, nomeadamente em rotundas e e cruzamentos. Os resultados deste trabalho, disponibilizam dados relevantes sobre consumo de combustível e sobre as emissões de gases de efeito estufa CO2, habilitando a avaliação dos algoritmos inteligentes de gestão de tráfego em intersecções para veículos autónomos, relativamente às técnicas tradicionais de regulação de trânsito em rotundas e cruzamentos. A estimação precisa da localização de um veículo e o controlo da mesma, é de extrema importância para o desenvolvimento e operação de algoritmos ITM, portanto, sendo o seu desenvolvimento também realizado e analisado. O trabalho desenvolvido encontra-se dividido em três grandes temas: ambiente de simulação integrado, algoritmos ITM e estimação da localização de veículos.

No âmbito deste trabalho foi desenvolvido como um ambiente de simulação denominado ISR-TRAFSIM (disponível em: http://www2.isr.uc.pt/~conde/isr-trafsim/). Este simulador é baseado em Matlab, o seu código fonte encontra-se disponível, e tem o potencial para ser usado em estudos diversos da área de transportes inteligentes, nomeadamente: controlo automático de tráfego rodoviário, análise de emissões de veículos automóveis, controlo de seguimento de trajectória de veículos autónomos e de fusão de sensorial para efeitos de localização precisa e percepção de situações anómalas ou perigosas.

Vários algoritmos ITM foram desenvolvidos, visando minimizar o número de acidentes, o congestionamento do tráfego e consequentemente reduzir os custos ambientais do tráfego rodoviário. Os algoritmos ITM desenvolvidos, são baseados em metodologias de reserva espaço-temporal. Estas metodologias asseguram que os veículos se deslocam através do cruzamento sem colidir com outros veículos, ao mesmo tempo que conseguem reduzir o tempo de espera no cruzamento assim como os seus impactos ambientais. Este trabalho demonstra que existe o potencial para a redução de emissões e aumento do fluxo de tráfego através da utilização de algoritmos ITM.

Para implementar a gestão de tráfego em cenários de condução cooperativa, a estimativa da localização e velocidade dos veículos deve ser precisa e robusta. Em sistemas localização de veículos baseados apenas em receptores GNSS, a precisão resultante pode ser afectada por erros de vários metros. Neste trabalho avaliou-se a potencial melhoria na localização de veículos equipados câmaras de detecção da linha de marcação lateral da estrada, em cenários cooperativos para reduzir os erros de posição absoluta de veículos através da partilha em rede de informação em tempo real. As técnicas utilizadas nos algoritmos de localização são baseadas em métodos intervalares, usados para determinar conjuntos de pertença com erro delimitado, estas metodologias foram usadas para determinar localização baseada em GNSS, com garantida da solução se encontrar dentro de um conjunto com um determinado risco. Para resolver o problema das "pseudoranges" com multi-percurso do tipo NLOS e propagação do erro quando se utiliza algoritmos colaborativos, desenvolveram-se algoritmos robustos, baseados na detecção de medidas aberrantes de satélites, e no relaxamento das restrições usadas na computação do conjunto de pertença.

Traffic congestion in city centers and its associated environment impact are among the major challenges pose to mobility researcher nowadays. This thesis aims to contribute for urban mobility improvement, in terms of road capacity and vehicle emissions. The current work is included in the Intelligent Transportation Systems research area, namely traffic simulation of autonomous vehicles and CO2 emissions assessment at a microscopic level. The thesis will focus on the development of methodologies for the traffic management in intersections aided by precise multi-sensor positioning. This research explore a simulation framework for the development of Intelligent Traffic Management (ITM) algorithms in road intersections, namely roundabout and crossroads. The research work provide an assessment of novel intersection traffic management algorithms for automated vehicles on fuel consumption and greenhouse gas emissions of CO2 relative to traditional traffic signal and roundabout intersection control. An accurate vehicle's pose estimation and control is of extreme importance for the inner working of the ITM algorithms, therefore its development is also performed and analyzed. The research work is divided in three major topics: simulation framework, ITM algorithms and vehicle pose estimation.

In the framework of this research the ISR-TRAFSIM was developed as the simulation environment (available at: http://www2.isr.uc.pt/~conde/isr-trafsim/). It is an open-source Matlab-based simulator and it has the potential for being used in diverse studies such has: automatic traffic control, vehicle emissions analysis, vehicle path-following control and sensor fusion for vehicle awareness.

Several ITM algorithms were developed, aiming to minimize accidents, traffic congestion and consequently the environmental costs of road traffic. The developed intelligent traffic management ITM algorithms, which are based on a spatiotemporal reservation scheme, ensure that vehicles proceed through the intersection without colliding with other vehicles while at the same time reducing the intersection delay and environmental impacts. This research demonstrates that there is the potential of emission reduction and optimized traffic flow through the use of these ITM algorithms.

To implement the traffic management in cooperative driving scenarios, the estimated pose and speed of vehicles must be both accurate and robust. When vehicles localization systems involve standalone GNSS receivers, the resulting accuracy can be affected by satellite-specific errors of several meters. This work studied how road-features like lane marking detected by on-board cameras can be exploited to reduce absolute position errors of cooperative vehicles sharing information in real-time in a network. The algorithms considered in this work are based on a error bounded set membership strategy, these methodologies were used to compute GNSS guaranteed risk integrity zone. A robust set-inversion based algorithm was also developed, to solve the problem of NLOS multipath and its error propagation when using collaborative algorithms.