Synthesis of Output-Feedback Controllers for Mixed Traffic Systems in Presence of Disturbances and Uncertainties
在本文中,我们研究混合交通系统,沿单车道环路或开放式道路。交通流形成了一个车队,其中包括许多异构的人类驾驶车辆(HDV),以及只有一个连接和自动驾驶车辆(CAV),从几个邻居接收信息。假设HDV的动力学遵循最优速度模型(OVM),单CAV的加速度直接由动态输出反馈控制器控制。这项工作的最终目标是提出一个鲁棒控制策略,可以平滑的交通流中存在不希望的干扰(例如突然减速)和参数的不确定性。合成动态输出控制器的先决条件是底层系统的可镇定性和可检测性。因此,首先从理论上证明了混合交通流系统的稳定性和可检测性。然后,两个H ∞控制策略,考虑和不考虑系统动态的不确定性,设计。随后通过数值模拟说明了这两种控制方法的有效性,并给出了各种实验结果,以证明所提出的控制器的有效性,以减轻干扰放大和实现队列稳定。
2021-07-28 cs.SY eess.SY math.OC
Optimization-based One-side Boundary Control of LWR Traffic Models
University of Waterloo(滑铁卢大学);Queen’s University(女王大学)
本文研究了一类基于优化的单侧边界控制方法,通过Lyapunov函数和边界控制屏障函数实现交通流模型的稳定性与不变性,采用凸优化问题选择控制输入,验证了对通用交通流函数的适用性。
2026-07-29 math.OC
Multi-scale Perimeter Control Approach in a Connected-Vehicle Environment
本文提出了一种新的方法来集成周边交叉口的最优控制(即最小化本地延误)到周边控制方案(即在网络级优化交通性能)。这是一个复杂的控制问题,很少在文献中探讨。特别是,网络级控制和本地级控制之间的相互作用的建模尚未得到充分考虑。利用宏观基本图(MFD)作为交通性能指标,我们制定了一个动态系统模型,并设计了一个基于模型预测控制(MPC)的控制器耦合两个竞争的控制目标和优化性能在本地和网络作为一个整体。为了解决这个高度非线性最优化问题,我们采用了一个近似框架,使这个大规模问题的最优解是可行的和有效的。数值分析表明,通过应用所提出的控制器,被保护网络可以运行在所需的状态表示的MFD,而在周边的总延迟最小化,以及。此外,该文件揭示了所提出的控制器的鲁棒性。这种多尺度混合控制器进一步扩展到随机MPC方案,其中连接的车辆(CV)作为唯一的数据源。因此,CV的低穿透率导致控制器中的强噪声。这是第一次尝试开发一个网络级的流量控制方法,通过使用新兴的CV技术。我们考虑了交通状态估计的随机性和MFD的形状。仿真分析表明,所提出的随机控制器的鲁棒性,表明有效的控制器确实可以设计与这种新的传播车辆技术,即使在没有其他数据收集方案(如环路检测器)。
2017-04-04 math.OC
Boundary Control for Stability and Invariance of Traffic Flow Dynamics: A Convex Optimization Approach
针对交通流动力学控制需求,提出基于边界控制障碍泛函的凸优化边界控制器,可同时实现稳定性与不变性,推导了最优控制器存在的充分条件。
2025-06-18 math.AP math.DS math.OC
Traffic Control in a Mixed Autonomy Scenario at Urban Intersections: An Optimization-based Framework
我们考虑一个交叉区,其中自动驾驶汽车(AV)和人类驾驶的车辆(HDV)可以存在。当新的车辆到达时,交通控制器需要决定并施加将离开交叉口区域的车辆的最佳顺序。交通控制器可以发送关于AV可以穿过十字路口的时间的信息;然而,交通控制器不能与HDV通信,而只能使用交通灯来控制HDV。我们制定的问题作为一个整数约束的非线性优化问题的交通路口控制器只与一个子集的AV。由于可能的组合的数量随着系统中车辆的数量呈指数级增加,我们放松了原来的问题,并提出了一种算法,给出了放松的问题的最佳解决方案,但只与系统中的车辆数量呈线性关系。数值计算表明,我们的算法优于先进先出(FIFO)算法。
2021-08-28 cs.SY eess.SY math.OC
Suppression of Oscillations in Two-Class Traffic by Full-State Feedback
本文提出了一种全状态反馈控制器,阻尼振荡的交通密度和交通速度的动态行为是由线性化的两类Aw-Rascle(AR)模型。因此,交通被认为是在拥挤的制度,并细分为两个类,而每个类代表具有相同的大小和驾驶员的行为的车辆。宏观二阶两类AR模型由四个一阶双曲型偏微分方程(PDE)组成,引入面积占有率的概念来描述交通中两类车辆的混合密度。此外,线性化的模型方程表现出异向行为的积极和消极的特征速度在拥挤的政权。控制目标是在有限时间内收敛到一个常数平衡点。控制输入通过在所考虑的轨道区段的出口处作用的坡道调节来实现。采用反推方法设计了$4\times 4$双曲型偏微分方程的全状态反馈。通过仿真验证了全状态反馈控制器的性能。
2020-01-06 math.OC
Constructing Artificial Traffic Fluids by Designing Cruise Controllers
在本文中,我们应用控制李雅普诺夫函数方法设计两个家庭的巡航控制器的二维运动的自动驾驶汽车在无车道的道路上使用自行车运动学模型。控制李雅普诺夫函数是基于系统能量的测量,其动能以类似于牛顿或相对论力学的方式表示。导出的反馈律(巡航控制器)是分散的,因为每个车辆基于其自身的速度以及相对速度和与相邻车辆以及与道路边界的距离来确定其控制输入。此外,相应的宏观模型的推导,获得流体的模型,包括一个守恒方程和动量方程的压力和粘性条款。最后,我们表明,通过选择适当的反馈律的参数,我们可以确定的物理性质的“交通流体”,即我们得到自由的手来创建一个人工流体,近似新兴的交通流量。
2022-03-05 cs.SY eess.SY math.OC
Platoon Formation in a Mixed Traffic Environment: A Model-Agnostic Optimal Control Approach
由于存在具有随机动力学和驾驶行为的人类驾驶车辆(HDV),在混合交通环境中协调连接和自动驾驶车辆(CAV)构成了重大挑战。在早期的工作中,我们解决了由CAV使用模型相关控制器的HDV的队列形成的问题。在本文中,我们开发了一个全面的模型不可知的,多目标的最优控制器,确保队列形成直接控制领先的CAV没有明确的知识落后HDV动态。我们提供了一个详细的阐述的控制框架,使用多个连续的HDV的瞬时运动信息,以执行安全,同时实现优化目标。为了证明所提出的控制框架的有效性,我们使用数值模拟评估其性能,并提供相关的灵敏度和鲁棒性分析。
2022-03-10 math.OC
Neural Operators for Adaptive Control of Traffic Flow Models
School of Mathematics and Statistics, Beijing Institute of Technology(北京理工大学数学与统计学院);Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
针对ARZ交通流模型参数不确定问题,提出基于DeepONet神经算子的自适应边界控制,快速生成核函数,显著提升计算效率并保证系统稳定性。
2025-05-12 math.OC
Safely Optimizing Highway Traffic with Robust Model Predictive Control-based Cooperative Adaptive Cruise Control
道路交通事故一直是青年人死亡的主要原因。这些事故大多发生在驾驶员因疲劳或外部因素而分心时。诸如协同自适应巡航控制(CACC)的车辆排队系统是致力于开发用于减少道路碰撞和死亡的数量的技术的努力的结果之一。以前的研究表明,如果此类道路上的车辆之间的间隙可以减少到2米,则此类系统可以提高高达273%的公路交通吞吐量和15%以上的燃料消耗。本文提出了一种方法,保证车辆之间的最小安全距离,同时考虑到整个系统的延迟和每辆车的制动能力。为了保证最小安全车距不因前车行为的不确定性而被违反,设计了一种$l\infty$范数鲁棒模型预测控制器(RMPC)。还提出了一种车队内车辆净空的下界公式。仿真结果表明,所提出的方法相比,标称控制器的性能时,系统受到建模和未建模干扰。
2016-06-02 math.OC
Traffic smoothing using explicit local controllers
本文研究利用自动驾驶车辆的反馈控制实现速度平滑以消散走走停停波,并基于I-24 MOTION系统在MegaVanderTest实验中验证了单车调节交通流的效果。
2023-10-27 cs.SY eess.SY math.OC
Traffic signal optimization in large-scale urban road networks: an adaptive-predictive controller using Ising models
针对大规模城市路网交通信号优化计算负载高的问题,提出将最优控制转化为伊辛问题的AMPIC方法,结合伊辛求解器实现高效优化,实验验证其可提升车速、减少排放,适配大规模路网。
2024-07-12 cs.ET cs.SY eess.SY
Bilateral Boundary Control of Moving Shockwave in LWR Model of Congested Traffic
针对高速公路两侧边界交通流激励下的运动冲击波,提出了反步状态反馈控制。由冲击波上游的轻交通和下游的高负荷服务组成的移动冲击波通常是由当地道路状况的变化引起的。密度的不连续性向上游传播,被冲击波困住的司机经历了从自由交通到拥挤交通的转变。本文的边界控制设计将运动冲击波阵面带到一个静止的设定点位置,阻碍交通拥堵的上游传播。采用Lighthill-Whitham-Richard(LWR)模型描述交通流动力学,得到两个一阶双曲型偏微分方程(PDE)。每一个都表示由移动接口分隔的空间域的流量密度。在朗肯-雨果尼奥条件下,界面位置由通量不连续性驱动,并由偏微分方程(PDE)状态相关常微分方程(ODE)控制。对于PDE-ODE耦合系统,控制目标是使交通密度的PDE状态和移动冲击位置的ODE状态都稳定到设定值。利用时滞表示和反推方法,我们设计了预测反馈控制器来协调补偿常微分方程的状态依赖输入时滞。通过李雅普诺夫稳定性分析,证明了闭环系统在$H^1$范数下的局部稳定性。通过数值模拟验证了控制器的性能。
2019-04-08 math.AP math.OC
Deep Reinforcement Q-Learning for Intelligent Traffic Signal Control with Partial Detection
Univ Gustave Eiffel(古斯塔夫·埃菲尔大学);IFSTTAR(法国交通、发展与网络科学技术研究院)
智能交通信号控制器将DQN算法应用于交通灯策略优化,通过实时调整交通信号来有效地减少交通拥堵。然而,文献中的大多数主张认为,所有车辆在交叉口被检测到,一个不切实际的情况。最近,新的无线通信技术已经能够通过基础设施对联网车辆进行成本效益高的检测。由于目前只有一小部分的总舰队配备,能够在低检测率下执行的方法是可取的。在本文中,我们提出了一种深度强化Q学习模型,用于在具有连接车辆的部分可观察环境中优化孤立交叉口的交通信号控制。首先,我们在RL框架内提出了新的DQN模型。我们引入了一个新的状态表示部分可观察的环境和一个新的奖励功能的交通信号控制,并提供了一个网络架构和调谐超参数。其次,我们评估的性能模型在多个场景的数值模拟,在两个步骤。首先对现有的驱动控制器进行完全检测,然后对联网车辆的比例进行部分检测和损失估计。最后,从得到的结果,我们定义阈值的检测率可接受的和最佳的性能水平。
2021-09-29 cs.LG cs.SY eess.SY
From Road Congestion to Vehicle-Control Enabled Artificial Traffic Fluids
本文研究无车道道路自动驾驶车辆的非线性反馈巡航控制器设计,通过类能量控制Lyapunov函数处理约束与分布式全局稳定问题,并连接微观控制与宏观交通流模型以构建人工交通流体。
2024-05-09 cs.SY eess.SY math.OC
Experimental Validation of a Real-Time Optimal Controller for Coordination of CAVs in a Multi-Lane Roundabout
University of Delaware(特拉华大学)
结合其他交通情况的圆形广告,例如,由于驾驶员对各种干扰的响应,交叉口、合并道路、减速区可能引起交通网络中的拥塞。研究工作表明,平滑交通流量和消除走走停停的驾驶既可以提高车辆的燃油效率,也可以提高环形交叉口的吞吐量。在本文中,我们验证了最优控制框架早期开发的多车道环形交叉路口的情况下,使用特拉华大学的规模智能城市(UDSSC)。我们首先提供的解决方案是最优的条件。然后,我们证明了解决方案的可行性,在UDSSC的实验,并表明,最优解完全消除走走停停的驾驶,同时保持安全。
2020-05-18 cs.RO cs.SY eess.SY
Reinforcement Learning-Based Control of CAV Platoon Joining Maneuvers in Mixed Traffic
Université Gustave Eiffel(古斯塔夫·埃菲尔大学);Université Paris Dauphine-PSL(巴黎多芬大学-PSL);Cosys-Grettia, Univ Gustave Eiffel(古斯塔夫·埃菲尔大学Cosys-Grettia机构)
该研究针对混合交通环境下CAV队列汇入的安全高效控制问题,提出结合SUMO的建模框架,评估PPO等DRL算法,发现PPO在平衡安全与效率上表现更优。
2026-08-28 cs.AI cs.LG math.OC
Distributed Traffic Signal Control via Coordinated Maximum Pressure-plus-Penalty
本文提出协调最大压力加惩罚(CMPP)分布式交通信号控制策略,将控制问题转化为分布式优化并用 ADMM 和贪心算法求解,在保证排队网络稳定性的同时,于大规模真实交通网络仿真中优于多个基准控制器,且计算效率接近完全去中心化方法。
2024-04-30 cs.MA cs.SY eess.SY