Latency-aware edge server for safe autonomous driving

This thesis examines how a smart edge server, that communicates with autonomous vehicles in an intersection, could contribute to the safety of autonomous driving. Safe path planning is possible when an autonomous vehicle is aware of its surroundings such as obstacles, pedestrians, and other vehicles. Occlusions in intersections caused by, for instance, buildings, trees, and parked vehicles affect the sensing of autonomous vehicles, which, in turn, lead to unsafe autonomous driving. Having a smart edge server that senses and processes useful information in the intersection such as pedestrians, obstacles, and other vehicles, and shares it with autonomous vehicles will be beneficial for safe autonomous driving. However, an important aspect that affects safety is the delay caused by processing the information as well as the network latency. The path planning of an autonomous vehicle will not be accurate nor safe if the information of its surroundings is delayed and old. The objective of this thesis is to implement a latency-aware edge server that communicates with autonomous vehicles and provides them information about their surroundings. For safe autonomous driving, an obstacle avoidance Nonlinear Model Predictive Control, NMPC, algorithm is implemented using the information from the edge server. In order to avoid collisions in an intersection, the edge server uses reachability analysis to compute the set of future possible states for each autonomous vehicle as zonotopes. These reachable sets along with static obstacles in the intersection are broadcasted as useful information. Each autonomous vehicle in the intersection listens to the edge server and adds those obstacles and other vehicles’ reachable sets as unsafe sets in its obstacle avoidance NMPC formulation to plan a safe trajectory. The implementations are evaluated for different scenarios and it is shown that a latency-aware edge server reinforces safety for autonomous driving. The result shows that autonomous vehicles, that have intersecting paths, enter into unsafe situations if a smart edge server is does not take the delay into account in the reachable sets’ computation. Including latency-awareness in the sense that the edge server takes the network latency and computational time into account, the autonomous vehicles were able to avoid collision and plan a safe trajectory. I detta projekt undersöks hur en edge-server, som kommunicerar med autonoma fordon, kan bidra till säkerheten för autonom körning. För att kunna planera en säker bana behöver det autonoma fordonet vara medvetet om sin omgivning såsom hinder, människor och andra fordon. Ocklusioner i korsningar, orsakade av till exempel byggnader, träd och parkerade fordon, påverkar sensordata för autonoma fordon, vilket i sin tur leder till en osäker autonom körning. Genom att ha en smart edge-server i en korsning som avkänner och bearbetar information exempelvis människor, hinder och andra fordon, kan edge-servern utsända och dela denna användbara information till autonoma fordon vilket bidrar till en säker autonom körning. En viktig aspekt som påverkar säkerheten är dock fördröjningen som orsakas av bearbetning av informationen samt nätverksfördröjningen. Detta kommer leda till att banplaneringen för ett autonomt fordon inte kommer att vara korrekt eller säker då informationen för omgivningen är försenad och gammal. Syftet med detta projekt är att implementera en edge-server som är latensmedveten och som kommunicerar med autonoma fordon samt ger dem information om sin omgivning. För en säker autonom körning, implementeras en NMPC-baserad styralgoritm i autonoma fordon som använder sig av informationen från edge-servern för att undvika hinder och få en säker autonom körning. För att undvika kollisioner i en korsning, använder edge-servern nåbarhetanalys för att beräkna möjliga framtida tillstånd för varje autonomt fordon i form av zonotoper. Dessa zonotoper tillsammans med andra hinder i korsningen sänds som information till autonoma fordon i korsningen. Varje autonomt fordon lyssnar på edge-servern och lägger till dessa hinder och andra fordons zonotoper i sin styralgoritm för att planera en säker bana som undvika dem. Implementeringen evalueras för olika scenarier och det visas att en latensmedveten edge-server förstärker säkerheten för autonom körning. Resultatet visar att autonoma fordon, som har korsande vägar, kommer in i osäkra situationer om en smart edge-server inte tar hänsyn till fördröjningar. När edge-servern tar hänsyn till fördröjningen som orsakas av zonotopberäkningen samt nätverket, lyckade de autonoma fordonen undvika kollisioner och planera en säker bana