Autonomous vehicles hold significant potential for improving transportation energy efficiency, but realising that potential requires motion planning strategies that are both energy-optimal and adaptable to the preferences of individual passengers. Generic lane-changing manoeuvres designed without regard for driving style often conflict with user expectations, reducing the practicality of autonomous systems in real-world deployment.
自動運転車両は交通エネルギー効率の改善に大きな可能性を秘めていますが、その実現には省エネルギー性と個人の嗜好への適応性を兼ね備えた動作計画戦略が必要です。運転スタイルを考慮しない汎用的な車線変更操作は、ユーザーの期待と乖離することが多く、実環境での自動運転システムの実用性を損なうおそれがあります。
Zifei Nie and Hooman Farzaneh introduce a personalised lane-change strategy using trajectory planning and tracking technologies, combined with a driving style identification module trained on real driving data. Nonlinear model predictive control is used to generate energy-optimal trajectories matched to the identified style. The approach achieved energy savings of 2.87%–5.73% compared to human driver manoeuvres, while maintaining safety and personalisation.
聶子非とHooman Farzanehは、実走行データから学習した運転スタイル識別モジュールと軌道計画・追従技術を組み合わせた個人適応型車線変更戦略を提案しています。非線形モデル予測制御を用いて、識別されたスタイルに合わせた省エネルギー最適軌道を生成します。本手法は、安全性と個人適応性を維持しながら、人間ドライバーの操作と比較して2.87〜5.73%のエネルギー削減を実現しました。