Lane level joint control of off-ramp and main line speed guidance on expressway in rainy weather
针对雨天高速公路出口匝道因限速差易引发侧滑翻车的问题,提出基于I2V和高精度地图的车道级主线-匝道速度引导联合控制及渐进减速策略,仿真表明其优于固定限速控制,能有效提升运行效率并保障行车安全。
2024-03-21 cs.SY eess.SY
Efficient and Safe Planner for Automated Driving on Ramps Considering Unsatisfication
Department of Computer Science, University of Liverpool(利物浦大学计算机科学系);James Watt School of Engineering, University of Glasgow(格拉斯哥大学詹姆斯·瓦特工程学院);School of Engineering, Cardiff University(卡迪夫大学工程学院);School of Computing Science, University of Glasgow(格拉斯哥大学计算机科学学院)
本文提出一种集成规划器,利用不满意水平度量与箭簇采样,在匝道上为自动驾驶车辆选择最佳变道时机和安全曲线,仿真验证其高效且无碰撞。
2025-04-20 cs.RO cs.SY eess.SY
Anti-Jerk On-Ramp Merging Using Deep Reinforcement Learning
深度强化学习(DRL)用于高速入口匝道合并的分散决策和纵向控制。DRL环境状态包括五个车辆的状态:合流车辆,以及合流车辆在主道路上或被投射在主道路上时的两个前车和两个后车。控制动作是合并车辆的加速。深度确定性策略梯度(DDPG)是用于训练以输出连续控制动作的DRL算法。通过获得Pareto前沿,研究了多目标奖励函数中安全避碰和乘客舒适度加加速度最小化之间的关系。我们发现,与一个小的加加速度惩罚的多目标奖励函数,车辆加加速度可以减少73%相比,没有加加速度惩罚,而碰撞率保持在零。无论加加速度惩罚,合并车辆表现出决策的战略,如合并前面或后面的主干道车辆。
2020-05-15 cs.SY eess.SY
Connected and Automated Vehicle Distributed Control for On-ramp Merging Scenario: A Virtual Rotation Approach
在这项研究中,我们提出了一个旋转为基础的连接自动车(CAV)的分布式协同控制策略的入口匝道合并的情况。通过假设主线和匝道为直线,设计了一种虚拟旋转方法,将合并问题转化为虚拟跟车问题,降低了协调CAV合并控制的复杂度和维数。在此基础上,建立了多先导虚拟CF模型和单向多先导通信拓扑,以确定各CAV的纵向行为。具体来说,我们利用一个分布式的反馈和前馈纵向控制器,准备积极产生的差距合并CAV,减少合并造成的空隙,并确保安全和交通效率的过程中。为了保证系统的干扰衰减特性,从数学上证明了虚拟CF控制器的实际串稳定性,以抑制业务流对业务振荡的放大。此外,为了扩展虚拟CF在任意弯道匝道上的应用场景,本文采用曲线坐标建模二维并线控制,并进一步设计了基于扩展线性二次型调节器的局部横向控制器来调节车道中心线的位置偏差和角度偏差。为了系统地评价所提出的方法的控制性能,进行了数值仿真实验。结果表明,所提出的控制器可以主动减少空隙,同时保证阻尼的交通振荡的合并控制区。
2022-01-18 cs.SY eess.SY
To Stay or to Bypass: Unraveling Mainline Vehicles' Aggregate Strategic Decision-Making at Highway Weaving Ramps
针对高速公路交织匝道中主线直行车辆的车道选择问题,提出一种仅需少量参数和测量数据校准的博弈论聚合行为模型,并经SUMO仿真验证具有高预测精度。
2025-05-13 cs.SY eess.SY
Optimal Control-Based Eco-Ramp Merging System for Connected and Automated Electric Vehicles
我们目前的运输系统在安全性、机动性和环境可持续性方面存在许多问题。创新智能交通系统(ITS)技术的出现,特别是联网和自动驾驶汽车(CAV),为解决上述问题提供了许多机会。在本文中,我们提出了一个分层的匝道合并系统,不仅产生微观合作机动的CAV在匝道合并到主线交通流,但也提供了可控性的匝道流入率,从而使宏观交通流控制。提出了一种基于集中式优化控制的方法,以平滑合并流,提高系统范围内的移动性,并降低网络的整体燃料消耗。线性二次跟踪器在有限的地平线和滚动地平线的形式来解决路径规划和序列确定方面的优化问题,其中应用的微观车辆燃料消耗模型。使用PTV VISSIM进行了广泛的交通模拟运行,以评估拟议系统对加利福尼亚州科罗纳SR-91 E路段的影响。结果证实,在调节的流入速率下,所提出的系统可以避免潜在的交通拥堵并提高流动性(例如,VMT/VHT)高达147%,与传统的匝道调节和没有任何控制方法的匝道相比,节省了47%的燃油。
2020-02-05 cs.SY eess.SY
Employing Altruistic Vehicles at On-ramps to Improve the Social Traffic Conditions
高速公路入口匝道是交通网络中的典型瓶颈。在以往的工作中,主线车辆在入口匝道的自私车道选择行为被认为是导致入口匝道效率低下的原因之一。当入口匝道车辆计划并入高速公路主线时,主线车辆选择在当前车道上保持不变,或者通过切换到离入口匝道更远的相邻车道来绕过合并区域。自私的车辆做出决策,以尽量减少自己的行程延误,这损害了整个入口匝道的效率。以往的工作结果表明,如果能够鼓励适当比例的干线车辆绕行而不是滞留,社会交通状况将得到改善。在这项工作中,我们考虑采用自私的主线车辆之间的利他车辆的比例,以提高效率的入口匝道。利他车辆是个体优化者,决定是保持稳定还是绕道以最小化自身的利他成本,利他成本是行程延迟及其对其他车辆的负面影响的加权和。我们首先考虑理想情况下,利他成本可以完美地衡量利他车辆。给出了利他车辆比例和利他成本权重配置的条件,在此条件下,社会延迟可以减小或达到最优。随后,我们考虑了利他成本的测量中的不确定性的影响,我们给出了最佳的重量配置利他车辆,最大限度地减少最坏情况下的社会延迟在这种不确定性。
2021-07-18 cs.SY eess.SY
Improving Freeway Merging Efficiency via Flow-Level Coordination of Connected and Autonomous Vehicles
高速公路入口匝道是高速公路网中典型的瓶颈路段,其合流、交织、换道等行为频繁发生。通过实时通信和精确的运动控制,互联和自动驾驶车辆(CAV)为大幅提高入口匝道瓶颈的交通运行性能提供了机会。在本文中,我们提出了一个上层控制策略,以协调两个交通流在入口匝道合并,通过积极的间隙创建和队列形成。协调包括三个组成部分:(1)主线车辆主动减速,以创造大的合并间隙;(2)匝道车辆形成队列进入主干道;(3)主干道上创造的间隙和匝道上形成的队列在大小,速度和到达时间方面相互协调。协调制定为一个约束优化问题,结合宏观和微观交通流模型,流量水平的效率收益。该模型以交通状态参数为输入,确定适应实时交通状况的最优协调方案。拟议的协调的好处是通过一个说明性的案例研究证明。结果表明,协调是兼容的,与现实世界的实施,可以大大提高入口匝道合并的整体效率,特别是在高交通量的条件下,其中经常性的交通拥堵是防止,合并吞吐量增加。
2021-08-04 cs.SY eess.SY
A Collaborative Safety Shield for Safe and Efficient CAV Lane Changes in Congested On-Ramp Merging
School of Computer Science and Statistics, Trinity College Dublin(计算机科学与统计学系,三一学院都柏林)
本文提出MARL-MASS,通过整合多智能体安全盾和定制奖励函数,在拥堵交通中实现安全且高效的车道变换。
2026-02-10 cs.AI cs.MA cs.RO
HCOMC: A Hierarchical Cooperative On-Ramp Merging Control Framework in Mixed Traffic Environment on Two-Lane Highways
针对混合交通流,本文提出HCOMC分层协作匝道汇入控制框架,结合改进虚拟车辆模型、博弈论换道与多目标优化,显著提升了汇入过程的安全性与交通效率。
2025-07-15 cs.AI cs.RO cs.SY
Sequencing-enabled Hierarchical Cooperative CAV On-ramp Merging Control with Enhanced Stability and Feasibility
本文提出一种基于排序的分层协同CAV匝道合流控制框架,上层用混合整数线性规划排序以协调交通密度,下层用分布式MPC和虚拟跟驰保证稳定与安全,并通过数值实验验证其优越性。
2024-05-25 cs.SY eess.SY
Decentralized Optimal Control in Multi-lane Merging for Connected and Automated Vehicles
我们解决的问题,最佳控制连接和自动驾驶汽车(CAV)从两个多车道的道路到达并合并在多个点,其目标是共同最大限度地减少旅行时间和能源消耗的每个CAV受到速度依赖的安全约束,以及速度和加速度的限制。这个问题在两条单车道道路的先前工作中得到了解决。直接扩展到多车道的道路是有限的,所需的计算复杂性,以获得一个明确的最优控制解决方案。相反,我们提出了一个通用的框架,将多车道合并问题转化为一个分散的最优控制问题,为每个CAV在一个不太保守的方式。为了实现这一点,我们采用了联合最优控制和障碍函数的方法,有效地得到一个最优控制,为每个CAV的所有约束的保证满意。仿真例子包括比较所提出的框架的性能,由人类驾驶的车辆提供的基线与结果显示显着改善的时间和能源指标。
2020-05-30 cs.SY eess.SY
Deep Multi-agent Reinforcement Learning for Highway On-Ramp Merging in Mixed Traffic
对于自动驾驶汽车(AV)来说,入口匝道合并是一项具有挑战性的任务,特别是在AV与人类驾驶汽车(HDV)共存的混合交通中。在本文中,我们制定的混合交通高速公路入口匝道合并问题作为一个多智能体强化学习(MARL)问题,其中的AV(合并车道和通过车道)协作学习的政策,以适应HDV,以最大限度地提高交通吞吐量。我们开发了一个有效的和可扩展的MARL框架,可用于动态交通的通信拓扑结构可能是时变的。参数共享和本地奖励被利用来促进代理间的合作,同时实现很大的可扩展性。一个动作屏蔽计划,以提高学习效率,过滤掉无效/不安全的动作在每一步。此外,一种新的基于优先级的安全监督器的开发,显着降低碰撞率,大大加快了训练过程。开发了一个类似健身房的模拟环境,并开源了三种不同的交通密度水平。我们利用课程学习,在更简单的设置下从训练模型中有效地学习更难的任务。综合实验结果表明,建议的MARL框架始终优于几个国家的最先进的基准。
2022-11-05 cs.SY eess.SY
Intelligent Control of Merging Car-following and Lane-Changing Behavior
本文针对汇入跟驰与换道行为,提出基于可测量人类感知指数的模糊控制方法,利用真实驾驶数据控制跟随车辆,提升交通流舒适性、安全性与均匀性,并减少等待时间和晕动症。
2025-03-09 cs.SY eess.SY
Uncovering Interpretable Internal States of Merging Tasks at Highway On-Ramps for Autonomous Driving Decision-Making
School of Mechanical Engineering, Beijing Institute of Technology(北京理工大学机械工程学院);University of California at Berkeley(加州大学伯克利分校)
在复杂的交互场景中,人类根据自己的内部状态做出日常决策。提出了一种概率重构学习方法,用于识别高速公路入口匝道并道时多车序贯相互作用的内部状态。我们将合并任务的顺序决策视为一个动态的随机过程,然后将内部状态集成到HMM-GMR模型中,该模型是扩展高斯混合回归(GMR)和隐马尔可夫模型(HMM)的概率组合。我们还开发了一种变异的期望最大值(EM)算法来估计模型参数,并基于真实世界的数据集进行了验证。实验结果表明,三个可解释的内部状态可以语义描述在高速公路入口匝道的互动合并过程。这一发现提供了一个基础,开发一个有效的基于模型的决策算法的自主车辆(AV)在部分可观察的环境。
2021-05-14 cs.RO cs.SY eess.SY
Analysis of lane-change conflict between cars and trucks at merging section using UAV video data
Key Laboratory of Road and Traffic Engineering of Ministry of Education, Tongji University(同济大学道路与交通工程教育部重点实验室);China Railway Siyuan Survey and Design Group Co., Ltd.(中铁第四勘察设计院集团有限公司);Institute of Logistics Science and Engineering, Shanghai Maritime University(上海海事大学物流科学与工程研究院)
高速公路入口匝道合流段是交通冲突发生频率较高的路段,也是交通事故多发点。在高速公路合流段,很少有综合考虑不同车型的交通冲突分析研究。因此,本研究的主要目的是分析高速公路合流段不同车型之间的冲突。利用无人机(UAV)在上海市合流区采集了实测数据.车辆提取方法用于获得车辆轨迹。碰撞时间(TTC)被用作替代安全措施。小汽车冲突的TTC最小,卡车冲突的TTC最大。高速公路入口匝道和加速车道是交通冲突的多发地带。结果表明,不同车型间换道冲突的空间分布存在显著差异,提示机动车驾驶员尤其是小轿车驾驶员应保持安全距离。此外,为减少合流区换道冲突,建议交通管理部门在加速车道起始处将虚线车道改为实线车道。
2022-01-05 cs.RO cs.SY eess.SY
A Stackelberg Game Theoretic Model of Lane-Merging
强制换道并线是交通研究中的一个重要课题。即使安全完成,合并可能会干扰主线交通,降低道路的效率或容量。在本文中,我们考虑了一个Stackelberg博弈论的驾驶员行为模型,其中所谓的效用或收益反映了合并车辆的侵略性,因为它涉及的决定合并的情况下,或加速,减速之前的实际换道机动。合并车辆与主线交通的相互作用也被认为是相应的车辆的侵略性的组合导致纵向和横向干扰的主线流量以及随后减少的道路吞吐量。本研究以半定量的形式表明,这种影响取决于合并和主线车辆的侵略性水平,从而导致该模型在交通流分析和自动驾驶中的潜在用途。
2020-03-22 cs.GT cs.SY eess.SY
On Social Interactions of Merging Behaviors at Highway On-Ramps in Congested Traffic
Beijing Institute of Technology(北京理工大学);University of California at Berkeley(加州大学伯克利分校);McGill University(麦吉尔大学)
在高速公路入口匝道上合并,同时与其他人类驾驶的车辆进行交互,对于自动驾驶车辆(AV)来说是一项挑战。一个有效的路线,这一挑战需要探索和利用知识的互动过程中的演示由人类。然而,目前还不清楚人类驾驶员在整个合并过程中利用什么信息(或环境状态)来指导他们的行为。本文从时间和空间两个方面对高速公路入口匝道的合流行为进行了定量分析和评价。基于周围车辆的社会偏好,考虑了两种类型的社会交互场景:礼貌和粗鲁。基于真实世界的INTERACTION数据集,对表征交互式合并过程的环境状态的显著水平进行了经验分析。实验结果揭示了两个基本的机制在合并过程中:1)人类驾驶员选择不同的状态,在不同的时刻的任务执行顺序的决策,2)周围的车辆的社会偏好可以影响变量选择决策。这意味着有效的决策设计应该过滤掉无关的信息,同时考虑社会偏好,以实现可比的人类水平的性能。这些重要的发现为开发新的自动驾驶汽车决策方法提供了启示。
2021-08-03 cs.RO cs.SY eess.SY
A Game Theory Based Ramp Merging Strategy for Connected and Automated Vehicles in the Mixed Traffic: A Unity-SUMO Integrated Platform
匝道合流由于其混沌性,被认为是造成交通拥堵和交通事故的主要原因之一。随着互联与自动驾驶技术的发展,协同匝道并道成为解决这一问题的主流方法之一。在混合交通情况下,CAV不仅可以相互交互,还可以处理涉及人类驾驶车辆的复杂情况。针对混合交通条件下CAV的最优合流协调问题,提出了一种基于博弈论的匝道合流策略,确定了动态合流顺序和相应的纵向/横向控制。该策略通过保证车辆之间的安全间距和协调交通流中CAV的速度,提高了合并过程的安全性和效率。为了验证所提出的策略,不同的渗透率和不同的拥堵程度下的混合交通模拟已经进行了创新的Unity-SUMO集成平台,它连接了基于游戏引擎的驾驶模拟器与交通模拟器。该平台允许人类驾驶员参与模拟,并为CAV配备更逼真的传感系统。在交通流水平模拟测试中,Unity接管了模拟中所有CAV的感知和控制,而SUMO则处理所有传统车辆的行为。结果表明,该方案可使交通流平均速度提高110%,燃油消耗降低77%。
2021-01-27 cs.GT cs.SY eess.SY
Cooperative Decision Making of Connected Automated Vehicles at Multi-lane Merging Zone: A Coalitional Game Approach
为解决多车道合流区车辆的安全性和效率问题,采用联盟博弈方法设计了一种互联自动车辆(CAV)协同决策框架.首先,在简化的单轨车辆模型基础上建立了运动预测模块,提高了决策算法的准确性和可靠性。在此基础上,综合考虑安全性、舒适性和效率等多个性能指标,设计了代价函数和决策约束条件。此外,为了实现人性化和个性化的智能移动性,不同的驾驶特性被考虑和嵌入到建模过程中。在此基础上,提出了多车道合流区情况下CAVS的四种典型联盟模型。然后,联盟博弈的方法制定了模型预测控制(MPC),以处理在定义的场景CAV的决策。最后,在考虑不同驾驶特性的两种情况下进行测试,以评估所开发的方法的性能。试验结果表明,该方法能够对多车道合流区的CAV进行合理的决策,并能适应不同的行驶特性。该方法既保证了CAV在复杂动态交通条件下的安全性和有效性,又兼顾了单个车辆的目标,验证了该方法的可行性和有效性。
2021-03-14 cs.SY eess.SY
Evaluation of Connected Vehicle Identification-Aware Mixed Traffic Freeway Cooperative Merging
该研究首次将联网车辆身份识别系统(VIS)引入CAV匝道合流控制,提出评估框架与考虑识别流程的合流策略,仿真发现VIS虽不影响安全但会延迟协同、增加油耗与加速度波动。
2024-05-21 cs.SY eess.SY
Algorithmic Approaches to Enhance Safety in Autonomous Vehicles: Minimizing Lane Changes and Merging
本文提出基于状态机的MLCA算法以减少自动驾驶车辆不必要的变道,SUMO仿真显示其能显著降低变道与碰撞次数,提升交通效率与安全性,并具备大规模部署潜力。
2025-07-16 cs.SY eess.SY
Evaluating Cybersecurity Risks of Cooperative Ramp Merging in Mixed Traffic Environments
互联和自动驾驶汽车(CAV)技术有可能大大提高交通运输的机动性、安全性和能源效率。然而,无处不在的车辆连接也为网络攻击打开了大门。在这项研究中,我们调查了一个代表性的合作流量管理应用程序的网络安全风险,即,混合交通环境下的高速公路入口匝道合并。我们开发的威胁模型与两个轨迹欺骗策略的CAV上,以创造交通拥堵,我们还设计了一个攻击弹性策略的系统防御。此外,我们利用VENTOS,一个为CAV应用程序制作的静脉扩展模拟器,来评估攻击的网络安全风险和拟议防御策略的性能。一个全面的案例研究进行了不同的交通拥堵水平,渗透率的CAV,和攻击率。正如预期的那样,结果表明,在最坏的情况下,当攻击率增加时,移动性的性能下降高达55.19%,安全性和能量也是如此。我们提出的缓解防御算法,系统的网络攻击弹性大大提高。
2021-11-18 cs.SY eess.SP eess.SY
Automated Lane Merging via Game Theory and Branch Model Predictive Control
TU Delft(代尔夫特理工大学);KTH Royal Institute of Technology(瑞典皇家理工学院)
本文提出融合搜索式规划、矩阵博弈与分支模型预测控制的车道汇入框架,可选择汇入间隙并应对周围车辆的 Nash 与 Stackelberg 不确定策略,真实密集交通数据验证了其有效性。
2025-02-17 cs.RO cs.SY eess.SY
Spatio-temporal cooperative control Method of Highway Ramp Merge Based on Vehicle-road Coordination
本文提出基于车路协同的主线优先方法,通过预规划时空轨迹实现高速公路匝道合流的时空协同控制,以提升合流区安全与效率。
2024-11-07 cs.SY eess.SY
An ACO-MPC Framework for Energy-Efficient and Collision-Free Path Planning in Autonomous Maritime Navigation
School of Engineering, University of Strathclyde(斯特拉思克莱德大学工程学院);James Watt School of Engineering, University of Glasgow(格拉斯哥大学詹姆斯·瓦特工程学院);School of Power and energy, Northwestern Polytechnical University(西北工业大学动力与能源学院);School of Engineering, University of Birmingham(伯明翰大学工程学院)
针对坡道自动驾驶变道中安全与效率的平衡难题,提出一种集成规划器,利用不满意水平度量效率、箭头簇采样评估碰撞风险,仿真验证其能安全高效地选择变道时机与曲线。
2025-04-22 cs.RO cs.SY eess.SY
Connected and Automated Vehicles in Mixed-Traffic: Learning Human Driver Behavior for Effective On-Ramp Merging
University of Delaware(特拉华大学)
针对混合交通高速公路汇入场景,提出利用近似信息状态学习人类驾驶车辆行为的框架,使网联自动驾驶车辆在无先验知识下预测轨迹并生成安全控制策略,仿真验证了其有效性。
2023-04-01 cs.AI cs.LG cs.SY
SMART-Merge Planner: A Safe Merging and Real-Time Motion Planner for Autonomous Highway On-Ramp Merging
Honda Research Institute, USA (HRI-US)(本田研究院(美国))
提出基于格点的SMART-Merge规划器,通过调整代价项和引入期望速度启发式实现安全舒适的强制高速公路汇入,在数百个仿真场景中达到100%成功率且耗时最短。
2025-07-15 cs.RO cs.SY eess.SY
Discrete-time Control Barrier Functions for Guaranteed Recursive Feasibility in Nonlinear MPC: An Application to Lane Merging
本文提出DTCBF和qDTCBF证书作为非线性MPC终端要素以保证递归可行性,其中qDTCBF可在更紧输入约束下满足条件,并在自动驾驶车道合并场景中通过仿真验证了方法的有效性。
2023-09-20 cs.SY eess.SY math.OC
Agent-Based Modeling and Simulation of Connected and Automated Vehicles Using Game Engine: A Cooperative On-Ramp Merging Study
University of California, Riverside(加州大学河滨分校);Toyota InfoTechnology Center, U.S.A. Inc.(丰田信息技术中心美国公司)
本文提出了一种基于游戏引擎Unity3D的连接和自动化车辆(CAVs)的代理建模与仿真方法,通过分布式共识协议研究了合作匝道合并问题,并与人类在回路模拟进行了比较,结果显示该协议在减少旅行时间、能源消耗和污染物排放方面具有显著优势。
2018-10-23 cs.HC cs.SY eess.SY
Traffic Delay Reduction at Highway Diverges Using an Advance Warning System Based on a Probabilistic Prediction Model
本文提出了一种基于概率预测模型的车载车辆预警系统,该系统可以为车辆提供何时变道以及时到达高速公路分岔口的建议。该系统基于一个模型,该模型估计使用一个或多个车道变化在道路上达到目标状态的概率。该估计基于几个与交通相关的参数,例如车辆间车头时距的分布以及与驾驶员相关的参数,例如车道变换持续时间。对于即将到来的分叉,预警系统使用该模型连续计算到达它的概率,并在概率低于某个阈值时建议驾驶员改变车道。为了评估所提出的系统在减少高速公路分流处的交通延误方面的性能,它被用于一段四车道高速公路上,以建议车辆在何时改变车道。结果表明,使用该系统减少平均延误高达6%,最大延误高达16%,取决于交通流量和车辆的比例采取出口匝道。
2020-12-02 cs.SY eess.SY
Enhancing Expressway Ramp Merge Safety and Efficiency via Spatiotemporal Cooperative Control
针对高速公路自动驾驶匝道合流的安全高效难题,本研究提出融合车路协同的时空协同控制方法,通过计算动态安全距离、构建冲突风险评估模型并制定主线优先控制策略,经仿真验证可大幅降低延误与油耗,提升合流性能。
2025-02-14 cs.SY eess.SY
Fault-Tolerant MARL for CAVs under Observation Perturbations for Highway On-Ramp Merging
Department of Automation, Tsinghua University(自动化系,清华大学);Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University(北京信息科学与技术国家研究中心(BNRist),清华大学)
本文提出了一种面向高速公路汇入车道的抗观测扰动多智能体强化学习故障容错方法,通过对抗性扰动生成和故障容忍智能体设计,提升协同驾驶系统的安全性和效率。
2025-11-28 cs.LG cs.RO cs.SY
V2X-Assisted Distributed Computing and Control Framework for Connected and Automated Vehicles under Ramp Merging Scenario
School of Internet of Things Engineering, Jiangnan University(江南大学物联网工程学院);Tsinghua University(清华大学);Brunel University London(伦敦布鲁内尔大学);Xidian University(西安电子科技大学);Shanghai Jiao Tong University(上海交通大学);the Hong Kong University of Science and Technology (HKUST)(香港科技大学)
针对匝道汇入场景下网联自动驾驶车辆的集中式控制计算效率低的问题,提出V2X辅助的分布式计算与控制框架,含分布式轨迹规划与DCIMPC方法,可在保障性能的同时大幅提升计算速度。
2024-10-30 cs.LG cs.NI cs.SY
Preemptive Spatiotemporal Trajectory Adjustment for Heterogeneous Vehicles in Highway Merging Zones
China Railway No.7 Bureau Group No.3 Engineering Co., Ltd.(中铁七局集团第三工程有限公司)
针对高速合流区感知滞后、时空资源利用率低的问题,提出融合车型、驾驶意图与安全时空距离的异构车辆抢占式合流控制策略,仿真验证其可显著降低延误、提升安全与通行效率。
2025-09-30 cs.RO cs.SY eess.SY
The State-of-the-Art of Coordinated Ramp Control with Mixed Traffic Conditions
匝道控制是一种传统的车辆交通控制策略,自20世纪60年代以来在世界各地得到了广泛的应用。另一方面,过去十年来,互联和自动驾驶汽车(CAV)技术取得了重大进展,并在提高安全性、移动性和环境可持续性方面具有巨大潜力。因此,大量的研究已经进行了合作坡道合并的CAV。然而,预计混合交通阶段,即人类驾驶的车辆和CAV共存,将持续很长一段时间。由于有很少的研究与混合交通条件下的系统范围内的匝道控制,本文旨在缩小这一差距,提出了一个创新的系统架构,并回顾了国家的最先进的研究所提出的系统的关键组成部分。这些组件包括交通状态估计、匝道控制、驾驶行为建模和CAV协调。所有回顾的文献绘制了广泛的景观,建议系统范围内的协调匝道控制与混合交通条件。
2019-08-01 cs.SY eess.SY
Driver Assistance for Safe and Comfortable On-Ramp Merging Using Environment Models Extended through V2X Communication and Role-Based Behavior Predictions
Mercedes-Benz AG(梅赛德斯-奔驰股份公司);Ulm University(乌尔姆大学);Fraunhofer FOKUS(弗劳恩霍夫开放通信系统研究所)
现代驾驶员辅助系统和自动驾驶汽车都是根据当地的环境地图做出决策的。这些地图包括例如由传感器感知的周围移动对象以及路线和导航信息。目前在环境测绘领域的研究涉及两个主要挑战。第一个是整合来自不同来源的信息,例如雷达、相机、超声波和激光雷达等车载传感器、离线地图数据或后端信息。第二个挑战包括找到这种聚合信息的抽象表示,并针对不同的驾驶功能和交通情况提供合适的接口。为了克服这些挑战,扩展环境模型是一个合理的选择。在本文中,我们展示了基于角色的运动预测与v2x扩展环境模型相结合,能够有助于提高交通安全性和驾驶舒适性。因此,我们结合了上述研究领域,并以高速公路入口处的穿线过程为例,展示了可能的改进。此外,研究表明,与未配备v2x的车辆相比,80%的平均v2x设备穿透率可以显著提高0.33m/s^2的总加速度和12 m的安全距离。
2020-08-17 cs.CE cs.ET cs.RO
Cooperative Lane Changing in Mixed Traffic can be Robust to Human Driver Behavior
我们推导出时间和能量最优的控制策略,连接自动驾驶汽车(CAV)完成车道变换机动混合交通。CAV与人驾驶车辆(HDV)之间的相互作用要求设计CAV对其相邻HDV的动作的最佳可能响应。使用具有HDV的适当行为模型的双层优化设置来制定这种相互作用。然后,迭代最佳对策(IBR)的方法来确定纳什均衡。然而,我们也表明,当一个共同的和简单的检测条件适用,最佳的换道策略实际上是独立的HDV的行为与CAV改变车道的合作与另一个CAV在目标车道,总是合并在它之前。因此,依赖于CAV和HDV之间的相互作用,在这种情况下,可以消除。仿真结果表明,我们的控制器的有效性,在成本,安全保证,和中断的交通流量时,不可控的HDVs存在。
2023-03-29 cs.SY eess.SY
Gap Acceptance During Lane Changes by Large-Truck Drivers-An Image-Based Analysis
University of Michigan Transportation Research Institute (UMTRI)(密歇根大学交通研究所);National Institute for Occupational Safety Health (NIOSH)(美国国家职业安全卫生研究所)
本文通过图像分析研究了大型卡车驾驶员在高速公路变道场景中的后方间隙接受特性,揭示了变道方向对车辆速度的影响及安全阈值。
2017-07-28 cs.SY eess.SY
Throughput of Freeway Networks under Ramp Metering Subject to Vehicle Safety Constraints
匝道控制是解决交通拥堵的有效手段之一。在本文中,我们提出了一个匝道控制策略的高速公路网络与任意数量的上,下匝道,合并,并分歧路口。建议的政策是在微观层面上设计的,并考虑到车辆以下的安全约束。此外,每个入口匝道以循环方式运行,在此期间,只要释放车辆的数量不超过循环开始时的队列大小,它就会释放车辆。此外,每个入口匝道根据交通状况动态调整其放行率。为了评估该策略的性能,我们分析了它的吞吐量,其特征在于在所有入口匝道的队列大小保持有界的期望的到达率的集合。我们表明,所提出的政策是能够最大限度地提高吞吐量,如果合并速度在所有的入口匝道是等于自由流的速度和网络没有合并路口。我们提供模拟来说明我们的政策的性能,并将其与文献中的一个著名的政策进行比较。
2023-03-12 cs.MA cs.SY eess.SY
Automated Vehicle Highway Merging: Motion Planning via Adaptive Interactive Mixed-Integer MPC
提出了一种新的高速公路自动合流运动规划框架。为了计划合并并预测相邻车辆的运动,自我自动驾驶车辆在后退范围内解决了两个车辆成本的联合优化。通过引入整数决策变量处理可行区域和车道纪律的非凸性质,从而导致模型预测控制(MPC)问题的混合整数二次规划(MIQP)制定。此外,自我使用逆最优控制方法,通过观察邻居的最近运动来估算邻居车辆成本的权重,并相应地调整其解决方案。我们称之为自适应交互式混合整数MPC(aiMPC)。仿真结果表明了该框架的有效性。
2022-11-04 cs.SY eess.SY
TGLD: A Trust-Aware Game-Theoretic Lane-Changing Decision Framework for Automated Vehicles in Heterogeneous Traffic
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对异构交通中现有换道框架忽略人类驾驶车辆动态信任水平的问题,提出信任感知博弈论换道决策(TGLD)框架,通过多车辆联盟博弈与在线信任评估引导自动驾驶车辆选择情境自适应的合作策略,实验证明该方法显著提升换道效率并保障安全。
2025-07-14 cs.AI cs.RO cs.SY
Safe platooning control of connected and autonomous vehicles on curved multi-lane roads
针对弯曲多车道道路上CAV安全编队跟踪与汇入问题,提出解耦的横向/纵向控制并加入构造性势垒反馈,实现避撞、安全不变性与稳定性保证。
2025-02-14 cs.SY eess.SY
A Systematic Study of Multi-Agent Deep Reinforcement Learning for Safe and Robust Autonomous Highway Ramp Entry
Flex(弗莱克斯公司);University of Michigan-Dearborn(密歇根大学迪尔伯恩分校)
该研究针对全自动驾驶所需的安全鲁棒高速公路匝道汇入问题,采用博弈论多智能体深度强化学习与自博弈方法,通过多车扩展场景实验验证训练的控制器性能接近理想最优水平。
2025-01-17 cs.AI cs.LG cs.MA
Shared Control for Vehicle Lane-Changing with Uncertain Driver Behaviors
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
针对驾驶员行为不确定性导致的换道交通扰动与串稳定性下降问题,提出含标称稳定控制器和最小干预控制器的人机共享换道控制框架,经多数据集验证可在保留驾驶员权限的同时平衡稳定性、效率与舒适性。
2025-10-29 cs.SY eess.SY
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
MR-IDM -- Merge Reactive Intelligent Driver Model: Towards Enhancing Laterally Aware Car-following Models
Global Center for Automotive Performance Simulation(全球汽车性能模拟中心);Honda Research Institute, USA Inc.(美国本田研究院);Virginia Tech Transportation Institute(弗吉尼亚理工交通研究所)
针对现有微观交通模型忽略匝道车辆影响的问题,提出名为MR-IDM的新型高速公路跟驰模型,该模型能逼真反应汇入车辆并具备横向感知等特性,在模拟真实数据上误差最小。
2023-05-19 cs.RO cs.SY eess.SY
A Spring-Mass-Damper-Based Platooning Logic for Automated Vehicles
本文应用经典的基于物理的模型,在商业交通仿真软件中控制自动驾驶汽车的队列行驶。在弹簧-质量-阻尼模型中,每辆车被假定为一个质量与其前车耦合的弹簧和阻尼器:弹性常数和阻尼系数控制车辆之间的间距和速度采用。该模型考虑了面向队列的通信范围和每个队列中车辆数量的限制,以反映现实情况,避免队列过长。SMD模型控制队列内和队列间的交互。对模型的初步评估表明,SMD模型在恶劣的减速情况下不会导致AV之间的负间距误差,从而保证了安全性。此外,SMD模型产生的正平均间距误差比VISSIM内置的队列模块更小,这防止了最大吞吐量下降。对一个普通路段的仿真结果表明,在响应时间为0.5秒的情况下,在10%、50%和完全市场渗透率的情况下,所提出的排队算法使最大吞吐量分别增加了10%、29%和63%。通过建立一个主路段和合流路段不同流量组合、不同自动驾驶汽车市场渗透率的合流路段模型,验证了车队间距政策在容纳合流车辆方面的有效性。在主车道和合流车道上,在低MPR的情况下,行程时间分别减少了20%和4%。同时,在较高的AV的MPR下,在主线和合流车道以及所有流量组合下观察到更明显的行程时间减少。
2022-09-16 cs.SY eess.SY physics.app-ph
Traffic Signal Control and Speed Offset Coordination Using Q-Learning for Arterial Road Networks
本文提出一种基于Q学习的自适应干线交通控制策略,将交通信号控制与动态速度偏移协调相结合,通过联合优化信号周期、绿信比和推荐速度,在低中需求下显著优于固定配时和MAXBAND,并能缓解匝道与交叉口队列。
2024-04-09 cs.SY eess.SY
Ramp Metering to Maximize Freeway Throughput under Vehicle Safety Constraints
University of Southern California(南加州大学)
针对任意匝道数的高速公路,在车辆跟驰安全约束下设计反应式匝道控制策略,通过同步周期和三种释放机制最大化通行能力,并证明合流速度等于自由流速度时最优。
2023-06-20 cs.MA cs.RO cs.SY
Embodied Opinion Dynamics for Safety-Critical Motion Control in Dynamic Environments
The University of Manchester(曼彻斯特大学);RWTH Aachen University(亚琛工业大学)
提出一种自适应控制框架,将非线性意见动力学嵌入自动车辆的运动感知层,实现非合作环境下的安全决策与运动控制,并提供形式化安全保证与稳定性分析。
2026-06-12 cs.SY eess.SY
Interaction-aware Model Predictive Control for Autonomous Driving
由于受控车辆与周围交通参与者的不确定行为之间的强烈相互作用,车道变换和车道合并仍然是自动驾驶的一项具有挑战性的任务。这种相互作用导致车辆的状态依赖于周围车辆的(随机)动力学,增加了预测未来轨迹的难度。此外,小的相对距离导致传统的鲁棒方法变得过于保守,需要明确知道车辆间相互作用的控制方法。为了实现这些目标,我们提出了一个互动感知的随机模型预测控制(MPC)策略集成了在线学习框架,该模型作为一个未知参数的状态相关的概率分布的一个给定的驱动程序的合作水平。在线学习框架自适应地估计周围车辆的合作水平与车辆的过去轨迹,并将其与运动车辆模型相结合,以预测多模态未来状态轨迹的概率。学习是用逻辑斯谛回归进行的,它可以实现快速的在线计算。在MPC算法中使用多未来预测来计算满足安全约束的最优控制输入。我们展示了我们的算法在一个互动的车道变化的情况下,司机在不同的随机选择的合作水平。
2022-11-30 cs.SY eess.SY math.OC
DSRC & C-V2X Comparison for Connected and Automated Vehicles in Different Traffic Scenarios
研究一直致力于使连接和自动驾驶车辆(CAV)在不同的交通场景中更快。通过使用C-V2X或DSRC通信协议,CAV可以更有效地工作。在本文中,我们比较了这两种通信协议的CAV在三个不同的交通场景,包括匝道合并,交叉口,和排队制动。它表明,在将C-V2X或DSRC用于CAV时,通信范围和间隔之间存在权衡。研究结果可为CAV在不同交通场景下自主选择通信协议的应用设计提供支持。
2022-03-23 cs.NI cs.SY eess.SY
Performance Analysis of Optimally Coordinated Connected and Automated Vehicles in a Mixed Traffic Environment
本文针对含有人驾驶车辆的混合交通走廊,研究网联自动驾驶车辆协同轨迹规划框架,并通过仿真分析不同CAV渗透率与交通流量对总行程时间和燃油经济性的影响。
2022-06-20 cs.SY eess.SY