Model of autonomous driving in a roundabout scenario

Autonomous Vehicles are one of the future trends defined by the European Commission and, more broadly, a crucial field of research for future private and public mobility. This thesis work aims to create a Digital Twin of a real roundabout scenario within which testing the capabilities of Autonomous Vehicles and the effect of their penetration rate in the simulation environment, specifically considering 20% and 80% AVs. DRL (Deep Reinforcement Learning) policies will move Connected and automated vehicles taking decisions along all the simulations. The connection will be based on edge computing technology and 5G mobile protocol, building a V2N2V communication. Such a complex simulation environment is part of an extended project called AI@EDGE that has the objective of studying the effect of many types of automation inside a real network, among which road mobility. Firstly, the simulation environment is built by creating effective communication between all platforms employed: Flow, which represents the Artificial Intelligence Network; SUMO, the microscopic traffic simulator and the Driving Simulator, used to introduce the human factor to the simulation and making this project unique from previous research activities in this field and capable of achieving innovative results. Once the simulation environment has been created, preliminary tests were carried out in order to optimise the system configuration by developing algorithms for trajectories interpolation and changing the roundabout design to avoid negligence in compliance with the rules of right of way. Secondly, a Replay scenario has been developed to study the driving behaviour of AVs in relation to human user perception from a microscopic point of view. The comfort and safety of Autonomous Vehicles have been tested and improved for a comprehensive configuration. Finally, an ultimate simulation environment has been built considering also a traffic calibration to replicate reality as much as possible. Final tests yielded key results: AVs succeeded in considering various environment geometries and driver behaviours; human users felt safer and preferred the scenario with a higher percentage of AVs; the traffic calibration led to a better-performing scenario.

I veicoli autonomi sono uno dei Future Trends definiti dalla Commissione Europea e, più in generale, un campo di ricerca cruciale per la futura mobilità privata e pubblica. Questo studio si pone l’obiettivo di generare un gemello digitale di una rotatoria all’interno del quale testare le capacità dei veicoli autonomi e l’effetto del loro grado di penetrazione sul mercato, considerando due percentuali di veicoli autonomi: 20% e 80%. I veicoli connessi e automatizzati sono guidati da algoritmi di DRL che scelgono le azioni da compiere e vengono connessi utilizzando la tecnologia Edge Computing e il protocollo mobile 5G, costruento una struttura V2N2V. Questo ambiente simulativo fa parte di un progetto più esteso chiamato AI@EDGE che ha l’obiettivo di studiare l’effetto di vari tipi di automazione all’interno di un sistema complesso, tra cui la mobilità stradale. In primo luogo, è stato costruito l’ambiente simulativo sviluppando una comunicazione efficace tra tutte le piattaforme impiegate: Flow, che rappresenta la rete di intelligenza artificiale; SUMO, il simulatore di traffico microscopico e, infine, il simulatore di guida utilizzato per introdurre il fattore umano nella simulazione. Il DriSMi rende il progetto unico rispetto alle precedenti attività di ricerca in questo campo e permette di raggiungere risultati innovativi. Creato l’ambiente simulativo, sono stati effettuati test preliminari al fine di ottimizzare la configurazione di sistema, sviluppando algoritmi per l’interpolazione delle traiettorie e modificando la struttura della rotatoria per evitare negligenze nel rispetto delle regole di precedenza. In secondo luogo, è stato sviluppato un Replay per studiare il comportamento di guida degli AVs in relazione alla percezione dell’utente umano. Sono stati testati e implementati il comfort e la sicurezza dei veicoli autonomi così da ottenere una configurazione completa. Infine, è stato costruito l’ambiente simulativo definitivo considerando la calibrazione del traffico per replicare la realtà. I test finali hanno dato risultati fondamentali: i veicoli autonomi sono riusciti a gestire diverse geometrie e comportamenti dei conducenti; gli utenti si sono sentiti più sicuri e hanno preferito lo scenario con una maggiore percentuale di veicoli autonomi; la calibrazione del traffico ha portato allo sviluppo di uno scenario più performante.