Comfort-aware trajectory planning in autonomous driving

Autonomous driving vehicles will reach the market in a few years and they are expected to change mobility as we know it. The improvements they will provide are uncountable, but user acceptance is fundamental to benefit from them. The lack of control over the motion will increase the passengers' inability to predict the path, raising their discomfort. Hence, besides safety, comfort will be one of the most relevant deciding factors. The most straightforward way to maximise comfort is a smooth speed profile, but then the risk is to overlook total travel time. This thesis deals with the optimal trajectory planning for an autonomous vehicle to find the best user-defined trade-off between comfort and travel time. The problem is designed with a Nonlinear Model-Predictive Control approach. After selecting a suitable vehicle model, the complete formulation of the algorithm is presented. In particular, the cost function has two conflicting terms. Therefore, a multi-objective analysis was carried out to obtain the Pareto Front and the Utopian solution. In the end, the algorithm was applied to a case study, exploiting the previous findings to assess the overall performance.

I veicoli a guida autonoma raggiungeranno il grande pubblico tra qualche anno e rivoluzioneranno completamente il nostro modo di intendere la mobilità. I vantaggi che porteranno sono incommensurabili, ma per beneficiarne è fondamentale che vengano accettati dagli utenti. Venendo a mancare la componente di controllo diretto sul moto del veicolo da parte dei passeggeri, aumenta la possibilità che si manifesti del malessere. Perciò, sicurezza a parte, il comfort sarà uno dei fattori decisivi più importanti nell'accettazione e nella diffusione dei veicoli a guida autonoma. Il modo più semplice per massimizzare il comfort è un profilo di velocità più morbido possibile, che rischia tuttavia di aumentare il tempo totale di viaggio. Obiettivo di questa tesi è trovare il miglior compromesso possibile tra comfort e tempo di viaggio, lasciando all'utente la discrezionalità sulla scelta di che parametro prediligere. Il problema viene affrontato come un Model Predictive Control non lineare. Dopo aver selezionato il modello di veicolo più appropriato, viene presentata la formulazione completa dell'algoritmo. In particolare, la funzione di costo ha due termini in conflitto tra loro. Viene quindi svolta un'analisi multiobiettivo per ottenere il fronte di Pareto e il punto Utopia. Infine, sfruttando questi risultati, l'algoritmo viene testato su un caso studio per valutarne le prestazioni.