Decentralized Cooperative Merging of Platoons of Connected and Automated Vehicles at Highway On-Ramps
在本文中，我们提出了一个优化框架，在高速公路入口匝道的连接和自动化车辆的车队的合作合并。该框架包括（1）最优调度算法，通过该算法，每个车队导出安全进入高速公路的顺序和时间，以及（2）最优控制算法，其允许每个车队导出其在燃料消耗方面的最优控制输入（加速/减速）。我们通过VISSIM-MATLAB仿真环境评估所提出的优化框架的有效性。拟议的框架大大减少了车队在高速公路入口匝道的过境时间和燃料消耗。
2021-02-22 math.OC
Decentralized Optimal Coordination of Connected and Automated Vehicles for Multiple Traffic Scenarios
互联和自动驾驶汽车（CAV）为优化能源消耗和出行时间提供了最有趣的机会。在文献中已经提出了几种方法，允许CAV协调的情况下，有一个潜在的冲突，例如，在信号交叉口，合并在道路和环岛，以减少能源消耗和优化交通流量。在本文中，我们考虑的问题，协调CAV在一个由多个交通场景的走廊。我们制定了一个两级的最优化问题，我们最大限度地提高交通吞吐量的上层问题，并得出一个封闭形式的解析解，产生的最优控制输入为每个CAV，在燃料消耗方面，在低级别的问题。通过在100%CAV穿透率下的仿真验证了该方法的有效性。与由人类驾驶的车辆组成的基准情景相比，车辆的燃料消耗和旅行时间显著减少。
2020-03-09 math.OC
Cooperative Autonomous Vehicle Speed Optimization near Signalized Intersections
城市环境中的道路拥堵，特别是信号交叉口附近的道路拥堵，是造成大量燃料和时间浪费的主要原因。已经提出了各种解决方案来解决信号交叉口处车辆的怠速时间和停车次数增加的问题，从基础设施到基于车辆的技术。然而，为解决该问题而引入的所有解决方案都从单个车辆的角度来处理该问题。本研究提出一个以最小化信号交叉口停车次数与空转次数为目标的合作式速度最佳化架构。该框架由三个模块组成，涵盖个人自主车辆的速度优化;冲突识别;和合作的速度决策。通过所提出的框架引入了时间令牌分配算法，以允许车辆合作并同意某些速度动作，从而使平均怠速时间和停车次数最小化。模拟测试和验证所提出的框架进行和结果报告。
2018-03-28 math.OC
Optimal Control and Coordination of Connected and Automated Vehicles at Urban Traffic Intersections
我们解决的问题，在线协调连续流动的连接和自动驾驶车辆（CAV）穿越两个相邻的十字路口在城市地区。我们提出了一个分散的最优控制框架，其解决方案的产量为每辆车的最佳加速度/减速度在任何时候的意义上，最小化燃料消耗。该解决方案，当它存在时，允许车辆在不使用交通信号灯的情况下穿过交叉口，而不会在连接道路上造成拥堵，并且在避免碰撞的硬安全约束下。通过仿真验证了该方法的有效性，仿真结果表明，协调多个CAV可以显著降低油耗和行程时间。
2017-06-16 math.OC
Rhythmic Control of Automated Traffic -- Part I: Concept and Properties at Isolated Intersections
利用互联和自动化车辆技术实现的车辆运动控制的准确性和一致性，我们提出了节奏控制（RC）方案，该方案允许车辆以预设的节奏以无冲突的方式通过交叉口。这种节奏使车辆能够以恒定的速度前进而不会停止。RC能够打破一次只能将通行权分配给不冲突的运动的限制。它显著提高了自动交通的交叉口控制性能。此外，具有预定节奏的RC不需要密集的计算工作来动态地控制车辆，这可能导致频繁的加速或减速。假设车辆到达为静止状态，通过理论分析，证明RC能显著提高交叉口通行能力，减少车辆延误。最后，RC的性能进行了测试，在模拟与静态和非静态车辆到达对称和非对称的交叉口。
2020-10-09 math.OC
Optimal Path Planning for Connected and Automated Vehicles at Urban Intersections
在早期的工作中，建立了一个分散的最优控制框架，用于协调城市交叉口的在线连接和自动驾驶车辆（CAV）。然而，指定每个CAV通过交叉口的顺序的策略基于先进先出队列，对最优解施加了限制。此外，没有考虑换车道或左转弯和右转弯。在本文中，我们制定了一个上层的最优化问题，解决方案的产量，为每个CAV，最佳的顺序和车道通过交叉口。仿真结果表明了该方法的有效性。
2019-09-12 math.OC
Optimal Coordination of Platoons of Connected and Automated Vehicles at Signal-Free Intersections
在本文中，我们解决的问题，协调车队的连接和自动化车辆在无信号交叉口。我们提出了一个分散的，两级的优化框架来协调车队的目标，以最小化行程延误和燃料消耗的每一个车队通过交叉口。在上层，每个排推导出最优的时间表进入交叉口。在低级中，排导出它们的最优控制输入（加速度/减速度），用于在高级中导出的最优调度。我们验证了所提出的框架在模拟的有效性，并显示出显着的改善，无论是在行程延迟和燃料消耗相比，在十字路口的固定时间的交通信号的基线方案。
2021-07-11 math.OC
Optimal Control of Connected Automated Vehicles at Urban Traffic Intersections: A Feasibility Enforcement Analysis
早期的工作已经建立了一个分散的最优控制框架，用于在线协调连续流动的连接自动车辆（CAV）进入控制区并穿过城市地区的两个相邻交叉口。一个解决方案，当它存在时，允许车辆在不使用交通信号灯的情况下穿过十字路口，而不会在连接道路上造成拥堵，并且在避免碰撞的硬安全约束下。我们建立的条件下，这种解决方案的存在，并表明，他们可以通过一个适当设计的可行性执行区之前的控制区执行。所提出的解决方案和整体控制架构，通过仿真说明。
2017-02-20 math.OC
A Graph-based Conflict-free Cooperation Method for Intelligent Electric Vehicles at Unsignalized Intersections
电动化、智能化、网联化是汽车未来最重要的发展方向。智能电动汽车在改善交通流动性和减少排放方面显示出巨大的潜力，特别是在无信号交叉口。以往的研究表明，车辆通行秩序是改善交通流动性的关键因素。本文提出了一种基于图的协作方法，对无信号交叉口的无冲突调度问题进行了形式化描述。首先，建立冲突有向图和共存无向图来描述车辆之间的冲突关系。在此基础上，提出了两种基于图的车辆通行顺序求解方法。一种方法是优化的深度优先生成树方法，其目的是找到每个车辆的局部最优通过顺序。另一种方法是解决全局最优问题的最大匹配算法。推导了两种方法的计算复杂性。数值模拟结果验证了所提算法的有效性。
2021-04-09 math.OC
Joint Time and Energy-Optimal Control of Connected Automated Vehicles at Signal-Free Intersections with Speed-Dependent Safety Guarantees
我们扩展了早期的工作，建立了一个框架，通过联合优化能源和旅行时间，最佳控制连接自动驾驶汽车（CAV）穿越无信号交叉口。我们得到明确的最优控制解决方案，以分散的方式，保证速度相关的后端安全约束和时间相关的横向碰撞约束，除了下/上界的速度和加速度。广泛的模拟例子来说明这个框架。
2019-08-31 math.OC
String stability and guaranteed safety via funnel cruise control for vehicle platoons
Universität Paderborn（帕德博恩大学）；University of Groningen（格罗宁根大学）
研究具有异构和非线性动力学的自动驾驶车辆编队的分散控制策略，基于漏斗控制思想提出新算法，能保证车距、交通流并实现串稳定性，通过模拟验证性能。
2026-07-07 math.OC
Safety-Aware and Data-Driven Predictive Control for Connected Automated Vehicles at a Mixed Traffic Signalized Intersection
典型的城市信号交叉口在由互联的自动驾驶车辆（CAV）和人类驾驶车辆（HDV）组成的混合交通环境中提出了重大的建模和控制挑战。在本文中，我们解决的问题，得出安全的轨迹CAV在混合交通环境中，优先追尾碰撞避免时，前面的HDVs方法的黄色和红色信号相的交叉口。我们提出了一个预测控制框架，采用递归最小二乘算法近似实时的驾驶行为的前HDV，然后使用这种近似来获得安全意识的轨迹在有限的地平线。我们通过数值模拟验证了我们提出的框架的有效性，并分析了控制框架的鲁棒性。
2022-05-21 math.OC
MPC-Based Emergency Vehicle-Centered Multi-Intersection Traffic Control
本文提出了一种交通控制方案，以缓解交通拥挤的互联信号车道/道路网络。所提出的方案是以应急车辆为中心的，这意味着它为应急车辆提供了一个有效和及时的路线。在所提出的方案中，模型预测控制被用来控制入口交通流量的网络门，以及整个网络的交通灯的配置。本文考虑了两种方案：i）集中式; ii）分散式。在集中式方案中，中央单元控制整个网络。该方案提供了最优解，即使它可能无法满足大型网络的实时计算要求。在分散式方案中，每个交叉口都有自己的控制单元，它将本地信息发送到聚合器。该聚合器的主要职责是从网络上的所有控制单元以及应急车辆接收本地信息，以增强接收到的信息，并与控制单元共享。由于分散式方案中的决策是局部的，并且聚合器应该在需要很长时间的业务周期期间完成上述任务，因此分散式方案适用于大型网络，即使它可能提供次最优解。进行了广泛的仿真研究，以验证所提出的计划，并评估其性能。值得注意的是，所获得的结果表明，紧急车辆的行驶时间可以减少到~50%，通过使用集中式方案和~30%，通过使用分散式方案，而不会造成其他车道的拥堵。
2022-04-11 math.OC
Cooperation Method of Connected and Automated Vehicles at Unsignalized Intersections: Lane Changing and Arrival Scheduling
互联和自动驾驶车辆（CAV）的合作在提高交叉口管理的交通效率方面显示出巨大的潜力。现有的研究主要集中在禁止换道的交叉口，这是不切实际的现实生活中的实施。本文提出了一个两阶段的合作框架，这是并行的纵向和横向控制的CAV，允许他们改变到自己的首选车道。基于编队控制，首次提出了一种迭代框架来解决多通道多CAV的目标分配和路径规划问题。基于图的最小团覆盖方法，然后应用到获得的CAV的最优调度计划。针对不同车辆数和交通量的大量数值模拟验证了该算法的有效性。
2021-09-29 math.OC
Energy-Optimal Coordination of Connected and Automated Vehicles at Multiple Intersections
城市交叉口、合流道路、环形交叉口和减速区以及驾驶员对各种干扰的反应是导致交通拥堵的走廊瓶颈的主要来源。互联和自动化技术的实施可以实现一种新的实时控制计算框架，旨在优化能源消耗和旅行时间。在本文中，我们提出了一个分散的能源效率的最优控制框架，两个相邻的交叉口。我们推导出一个封闭形式的解析解，其中包括内部边界条件，并通过仿真评估解决方案的有效性。与传统的固定时间信号交叉口设计的基准方案相比，燃油消耗和旅行时间显着减少。
2019-03-26 math.OC
The Effects of Connectivity and Automation on Saturation Headway and Capacity at Signalized Intersections
本文分析了联网和自动驾驶车辆对信号交叉口饱和车头时距和通行能力的潜在影响。在Vissim中创建了一个信号交叉口作为测试平台，其中对四种车辆类型进行了建模和测试：（I）人类驾驶车辆（HV），（II）联网车辆（CV），（III）自动驾驶车辆（AV）和（IV）联网自动驾驶车辆（CAV）。根据这四种车型的不同市场渗透率定义了各种场景。与人类驾驶员相比，自动驾驶汽车被认为会更谨慎地行驶。CV和CAV应该接收有关交通信号灯未来状态的信息，并调整其速度以避免在交叉路口停车。因此，他们的运动预计将更顺利，停止次数更少。从饱和车头时距、通行能力、行程时间、延误和交叉口不同车道组的队列长度等方面研究了混合交通中这些车型的影响。Vissim开发的Python脚本代码用于提供信号控制器与CV和CAV之间的通信，以相应地调整它们的速度。研究结果表明，CV和CAV市场渗透率的提高降低了饱和车头时距，从而提高了信号交叉口的通行能力。另一方面，增加AV市场渗透率会恶化交通运营。结果还表明，最高的增加（80%）和减少（20%）的车道组容量分别观察到，在100%的CAV和100%的AV的交通流。
2022-12-20 math.OC
A General Framework for Decentralized Safe Optimal Control of Connected and Automated Vehicles in Multi-Lane Intersections
我们解决的问题，最佳控制连接和自动驾驶汽车（CAV）从四个多车道的道路到达一个交叉口，他们在安全穿越（包括转弯）方面的冲突，没有碰撞。目标是在确保安全的同时，共同最大限度地减少每辆CAV的旅行时间和能耗。这个问题在单车道道路的先前工作中得到解决。直接扩展到每条道路上的多个车道是有限的，所需的计算复杂性，以获得显式的最优控制解决方案。相反，我们提出了一个一般的框架，首先转换成一个分散的最优控制问题，每个CAV的多车道交叉口的问题，保守的安全约束比以前的工作。然后，我们采用了一种方法相结合的最优控制和控制障碍函数，已被证明有效地跟踪易处理的无约束的最优CAV轨迹，同时也保证满足所有的约束。仿真实例表明，该框架下的对称和非对称的交叉口几何形状和不同的CAV排序方案的有效性。
2020-10-06 cs.SY eess.SY math.OC
$α$-Potential Games for Decentralized Control of Connected and Automated Vehicles
Columbia University（哥伦比亚大学）；Imperial College London（伦敦帝国理工学院）
本文提出$α$-势游戏框架，用于去中心化控制连接和自动化车辆，通过去中心化神经网络策略算法解决纳什均衡问题，有效捕捉碰撞避免和异质行为。
2025-12-05 cs.GT cs.MA math.OC
Multi-Intersection Traffic Management for Autonomous Vehicles via Distributed Mixed Integer Linear Programming
本文扩展了我们以前在[1]，[2]中关于交叉口自动车辆到达的最优调度的工作，从一个交叉口扩展到交叉口网格。设计了一种可扩展的分布式混合线性规划算法（MILP）来求解交叉口网格调度问题。计算控制节点被分配到每个交叉口，并定期接收来自订阅车辆的位置和速度信息。每个节点通过求解一个局部MILP来为每一辆预约车辆分配一个交叉口访问时间。相邻的交叉口将通过共享车辆访问时间的解决方案来实时相互协调。我们所提出的方法被应用到一个网格的9个交叉口，其对交通流量和车辆的燃油经济性的积极影响，证明在传统的交叉口控制方案相比。
2020-07-13 cs.SY eess.SY math.OC
Decentralized Decision-Making among Heterogeneous Autonomous Vehicles: An $α$-Potential Game Framework
Columbia University（哥伦比亚大学）；Imperial College London（帝国理工学院）
本文提出 $\alpha$-势博弈框架，将异构自动驾驶车辆去中心化决策的近似纳什均衡计算简化为单势函数最小化，并通过车辆特定缩放收紧近似，实验验证了其在多种交通场景下的有效性。
2026-10-01 cs.GT cs.MA math.OC
A Decentralized Time- and Energy-Optimal Control Framework for Connected Automated Vehicles: From Simulation to Field Test
互联和自动驾驶汽车（CAV）技术的实施为实时控制提供了一种新的计算框架，旨在优化能源消耗并带来相关好处。在本文中，我们实现了一个最优控制框架，以前开发的，在奥迪A3 etron插电式混合动力电动汽车，并证明，我们可以提高车辆的效率和旅行时间在一个走廊，包括入口匝道合并，减速区，环形交叉口。我们的阐述包括在（1）仿真、（2）硬件在环（HIL）测试、（3）基于连接的虚拟现实的台架测试和（4）Mcity现场测试中开发、集成、实施和验证所提出的框架。我们表明，通过采用这种廉价而有效的过程，我们可以有效地集成和测试控制器框架，确保系统的不同模块之间的正确连接和数据传输，并减少不确定性。我们评估了控制框架的性能和有效性，并观察到与基线方案相比，能源和旅行时间方面的显着改善。
2020-01-24 eess.SP math.OC
Analysis of a Markovian Queuing Model for Autonomous Signal-Free Intersection
我们考虑一种新的，解析排队模型的车辆协调在无信号交叉口。车辆到达交叉口服从泊松过程，交叉口的通过时间是依赖于车辆类型的常数。我们使用这个模型定量相关的关键操作参数（车辆速度/加速度，车辆间车头时距）的关键性能指标（吞吐量和延迟）下的先到先得的规则。我们使用的Foster-Lyapunov漂移条件，以获得稳定性的标准和上界的平均时间延迟。基于这些结果，我们比较了无信号交叉口与传统车辆以及联网和自动驾驶车辆的效率。我们还验证了我们的结果在城市交通模拟（SUMO）。
2020-09-27 cs.SY eess.SY math.OC
Data-Driven Distributed Intersection Management for Connected and Automated Vehicles
这项工作解决了在一个孤立的交叉路口连接和自动驾驶车辆的自主交通管理问题。我们将每个车辆的轨迹分解为两个阶段：临时阶段和协调阶段。车辆在进入感兴趣区域时，最初在临时阶段中操作，在此期间车辆优化其轨迹，但被限制进入交叉口。周期性地，所有车辆在其临时相位切换到其协调相位，这是通过协调优化的车辆的交叉口使用的顺序以及它们的轨迹。对于协调阶段，我们提出了一个数据驱动的解决方案，其中交叉口使用序列是通过数据驱动的在线分类和轨迹计算顺序。该方法还允许将诸如业务到达速率的宏观信息并入到解决方案中。整个算法是可证明安全的，可以以分布式方式实现。最后，我们比较了所提出的算法与传统的交叉口管理方法，并对一些现有的文献，通过模拟。通过仿真，我们还表明，每辆车的计算时间保持不变的算法在很宽的范围内的交通到达率。
2021-10-21 cs.SY eess.SY math.OC
Real-time Intersection Optimization for Signal Phasing, Timing, and Automated Vehicles' Trajectories
本研究旨在开发一种实时交叉口优化（RIO）控制算法，以有效地服务于互联和自动驾驶车辆（CAV）和传统车辆（CNV）的交通。本文扩展了以前的工作，考虑需求超过能力的条件和轨迹偏差重新优化决策。为了联合优化信号相位和定时（SPaT）和CAV的出发时间，我们制定了一个联合优化模型，它被归结为一个最小成本流（MCF）问题，并解决。基于MCF的优化模型被嵌入到RIO算法中，以操作信号控制器和规划CAV的运动。模拟实验表明，与基本场景相比，旅行时间减少了18-22%，容量提高了12%。
2020-07-03 eess.SP math.OC
Fully Distributed Model Predictive Control of Connected Automated Vehicles in Intersections: Theory and Vehicle Experiments
我们提出了一个完全分布式的控制系统架构，适合在车内实施，其目的是安全地协调连接和自动化车辆（CAV）在道路交叉口。为了控制的目的，我们建立在一个完全分布式的模型预测控制方法，在该方法中，代理解决非凸最优控制问题（OCP）本地和同步，并通过车辆到车辆（V2V）通信交换其优化轨迹。为了适应非凸OCP的快速解决方案，我们采用惩罚凹凸过程，解决了原来的OCP的convexified版本。对于实验评估，我们补充预测控制器与本地化层，负责自定位，和估计器，它确定与其他代理的联合碰撞点。实验测试表明所提出的控制系统架构的有效性。
2022-03-24 cs.SY eess.SY math.OC
Time-Optimal Coordination for Connected and Automated Vehicles at Adjacent Intersections
在本文中，我们提供了一个分层的协调框架连接和自动驾驶车辆（CAV）在两个相邻的交叉口。该框架由上层调度问题和下层最优控制问题组成。通过将两个相邻的交叉口周围的区域划分为不同的区域，我们制定了一个调度问题，为每个单独的CAV，旨在最大限度地减少其总旅行时间。对于每一个CAV，上层问题的解决方案指定在其路径上的每个区域的到达时间，成为低层问题的输入。低层问题的解决方案产生的最优控制输入（加速/减速）的每一个CAV退出交叉口在指定的时间在上层调度问题。我们通过大量的数值模拟和信号交叉口，集中式调度，FIFO排队政策的比较，我们提出的分层框架的性能进行验证。
2021-10-24 cs.MA math.OC
Managing connected and automated vehicles with flexible routing at "lane-allocation-free'' intersections
在文献中，研究了全自动车辆（CAV）环境下孤立的“无信号”交叉口和“无信号”走廊中的互联和自动车辆（CAV）的轨迹规划和协调。现有的研究大多是基于对进、出口车道的定义。车辆通过交叉口的路线是根据其运动确定的。也就是说，只包括原产地和目的地武器。本文提出了一种混合整数线性规划（MILP）模型来优化无车道分配的孤立"无信号"交叉口的车辆轨迹，称为"无车道分配"（LAF）控制。每条车道都可以用作所有车辆运动（包括左转、直行和右转）的进近和退出车道。车辆可以通过多个臂采取灵活的路线通过交叉口。这样，时空资源有望得到充分利用。车辆轨迹之间的相互作用，明确地在微观层次上建模。车辆路线和轨迹（即，车辆跟随和换道行为）在一个统一的框架中进行优化，以使系统在总车辆延迟方面达到最优。考虑到不同的交通条件下，规划地平线自适应调整所提出的模型的实施过程中，使解决方案的可行性和计算负担之间的平衡。数值研究验证了所提出的LAF控制的优势，在车辆延误和吞吐量与不同的需求结构和时间安全差距。
2020-08-24 cs.SY eess.SY math.OC
An Optimal Coordination Framework for Connected and Automated Vehicles in two Interconnected Intersections
在本文中，我们提供了一个分散的最优控制框架，协调连接和自动车辆（CAV）在两个互连的交叉口。我们制定了一个控制问题，并提供了一个解决方案，可以在实时实施。该解决方案产生的安全约束下的每个CAV的最佳加/减速度在“冲突区”，有可能发生碰撞。我们的目标是最大限度地减少每架CAV的旅行时间。如果不存在这样的解，则每个CAV解决能量最优控制最优控制问题。我们通过模拟评估所提出的框架的效率的有效性。
2019-05-26 math.DS math.OC
Decentralized Constrained Optimization: Double Averaging and Gradient Projection
本文研究了强连通有向图上带凸约束的凸有限和极小化问题。该约束是一个交集的几个凸集，每个已知的只有一个节点。为了解决这个问题，我们提出了一种新的分散投影梯度格式的基础上局部平均和证明其收敛性仅使用局部函数的光滑性。
2021-06-21 cs.DC math.OC
Optimization-based Coordination of Traffic Lights and Automated Vehicles at Intersections
本文将信号化交叉口交通信号灯与自动驾驶车辆协调建模为混合整数非线性规划问题，提出上下层分解方法，利用下层解和参数优化技术通过序列二次规划求解，数值算例验证了其有效性。
2025-02-03 cs.SY eess.SY 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
Decentralized Electric Vehicle Charging Control via a Novel Shrunken Primal Multi-Dual Subgradient (SPMDS) Algorithm
大量电动汽车（EV）的充电过程需要协调和控制，以减轻其对配电网的影响并提供各种电网服务。然而，现有EV充电控制范例的可扩展性受到EV数量或配电网络维度的限制，这在很大程度上削弱了EV的聚合服务能力和适用性。为了克服可扩展性障碍，本文以填谷服务的最优调度问题为动机，（1）提出了一种新的基于EV分组的降维方法（原始决策变量）和建立电压（2）提出了一种新的分散收缩原始多重对偶次梯度算法（SPMDS）优化算法来解决这个降维问题。所提出的基于SPMDS的控制框架不需要EV之间的通信，在原始次梯度更新中减少了超过43%的计算成本，并且在双次梯度更新中减少了高达68%的计算成本。通过对改进的IEEE 13节点测试馈线和改进的IEEE 123节点测试馈线的仿真，证明了所提出的算法的效率和有效性。
2020-03-31 cs.SY eess.SY math.OC
On-line Decentralized Charging of Plug-In Electric Vehicles in Power Systems
Carnegie Mellon University（卡内基梅隆大学）
提出一种分散式智能充电算法，通过最小化配电系统负荷方差实现“平坦”总负荷曲线，该算法基于当前系统状态在线控制，无需未来信息，并具有渐近最优性。
2011-11-18 cs.SY eess.SY math.OC
Optimal Control of Connected and Automated Vehicles at Multiple Adjacent Intersections
针对互联自动驾驶车辆（CAV）穿越多个相邻、多车道无信号交叉口的问题，建立了一种分散式最优控制框架，以最小化能耗和提高交通吞吐量.我们的框架包括两层规划。在上层规划中，每个CAV递归计算其在每个交叉口的最佳到达时间以及最佳车道，以提高交通吞吐量。在低层规划中，我们制定了一个能量最优控制问题的边界点的约束，其中的解决方案产生的最优控制输入（加/减速度）的每一个CAV通过交叉口在指定的时间由上层规划。此外，我们提出的两级框架，包括一个有界的稳态误差跟踪的CAV的最佳位置的结果。最后，通过对对称和非对称交叉口的仿真，以及与传统信号交叉口的比较，验证了所提方法的有效性。
2021-05-18 cs.SY eess.SY math.OC
Mixed platoon control of automated and human-driven vehicles at a signalized intersection: dynamical analysis and optimal control
互联和自动驾驶汽车（CAV）的出现为未来的交通系统提供了更好的交通流动性。现有的研究主要集中在全自动场景，而CAV控制在混合交通路口的潜力，人类驾驶车辆（HDV）也存在探索较少。提出了由1辆CAV和n辆HDV组成的“1+n”混合车队的概念，建立了基于车队的信号交叉口CAV控制最优控制框架。基于线性化的“1+n”混合队列动力学模型，对混合队列的稳定性和可控性等基本性质进行了严格的理论分析。在此基础上，建立了约束最优控制框架，旨在通过对CAV的直接控制来提高交叉口的整体交通效率和燃油消耗。设计了一种分层事件触发算法，实现了临近交叉口混排间的最优控制方法。在多种交通量和市场渗透率下的大量数值模拟验证了基于混合编队的方法比传统的单CAV轨迹最优化方法具有更大的效益。
2021-04-23 cs.SY eess.SY math.OC
Polling-systems-based Autonomous Vehicle Coordination in Traffic Intersections with No Traffic Signals
本文提出一种基于轮询系统的协调控制算法，用于无交通信号灯的自动驾驶车辆交叉口安全高效通行，通过随机模型预测车辆到达时间，确保无碰撞并提供等待时间的严格上界。
2016-07-26 cs.AI cs.SY eess.SY
Securing Signal-free Intersections against Strategic Jamming Attacks: A Macroscopic Approach
我们考虑在面对战略干扰攻击时，连接和自动驾驶车辆的无信号交叉口的设计安全性。我们使用流体模型来表征宏观交通流通过交叉口，其中的饱和率来自车辆协调算法。我们将干扰攻击建模为车辆到基础设施连接引起的通信延迟突然增加;这种延迟触发车辆协调的安全模式，从而降低交叉口饱和率。战略攻击者选择攻击速率，而系统操作员选择关键设计参数，饱和速率或恢复速率。两个参与者的行为会导致技术成本，并共同决定平均行程延误。通过对安全博弈均衡的分析，研究了交叉口名义排放能力或恢复能力的最优投资水平。
2022-09-19 cs.SY eess.SY math.OC
Collaborative vehicle routing: a survey
University of Vienna（维也纳大学）
在横向合作中，承运人结成联盟，以便共同执行其部分物流业务。通过相互交换运输请求，它们可以更有效地运营，并以更可持续的方式运营。协作车辆路径已在文献中得到广泛讨论。我们确定了三个主要的研究流：（i）集中的协作规划，（ii）分散的计划，没有拍卖，（ii）基于拍卖的分散的规划。对于他们中的每一个，我们给出了一个结构化的知识状态的概述，并讨论未来的研究方向。
2017-06-13 cs.AI cs.CY cs.MA
