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
Decentralized Optimal Control for Connected Automated Vehicles at Intersections Including Left and Right Turns
在以前的工作中,我们解决了最佳控制线连接和自动车辆穿越两个相邻的十字路口在城市地区,以尽量减少燃料消耗,同时实现最大的吞吐量没有任何明确的交通信号,不考虑左,右转弯的问题。在本文中,我们扩展了这个问题的解决方案,考虑到左,右转弯硬安全约束。此外,我们制定和解决另一个最优化问题,以尽量减少乘客的不适,而车辆在十字路口转弯,我们调查了相关的权衡最小化燃料消耗和乘客的不适。
2017-09-12 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
Decentralized Optimal Control of Connected Automated Vehicles at Signal-Free Intersections Including Comfort-Constrained Turns and Safety Guarantees
我们扩展了早期的工作,包括所有可能的转弯,以优化乘客的舒适度指标,以及能源和旅行时间最小化,以最佳地控制连接自动驾驶汽车(CAV)通过无信号交叉口。我们表明,这是可能的,以分散的方式实现这一目标,每个CAV解决一个最优控制问题,并获得明确的解决方案,保证避免碰撞和安全距离的限制在一个控制区。我们研究了最小化能源和车辆行驶时间之间的相关权衡,以及乘客的舒适度指标,并包括广泛的模拟来说明这个框架。
2019-03-11 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 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
Fast Trajectory Planning for Automated Vehicles using Gradient-based Nonlinear Model Predictive Control
运动轨迹规划是自动驾驶汽车的一个关键方面,因为它控制着自己在动态变化环境中的未来行为。为了更好地利用车辆的特性,需要在待解决的最优化问题中考虑非线性系统动力学。特别是,实时可行性对于自动驾驶至关重要,以便考虑快速变化的环境,例如移动物体。本文的主要贡献是提出了一种包含非线性系统模型的轨迹规划快速优化算法。此外,一个新的并发操作计划的两个优化算法的推导和研究。该算法在标准PC上的亚毫秒范围内运行。作为示例性场景,演示了沿着具有挑战性的参考路线驾驶的任务。
2018-07-29 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
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
The Penetration Effect of Connected Automated Vehicles in Urban Traffic: An Energy Impact Study
早期的工作已经建立了一个分散的框架,可以在不使用显式交通信号的情况下最佳地控制穿越城市交叉路口的互联和自动车辆(CAV)。所提出的解决方案是能够最大限度地减少能源消耗的吞吐量最大化的要求。在本文中,我们解决了混合交通条件下,CAV和人类驾驶的车辆(非CAV)在道路上行驶,以最大限度地减少能源消耗,同时保证安全约束的最佳控制CAV的问题。在不同的交通场景下,CAV对整体能耗的影响也进行了研究。CAV穿透的好处(即,CAV相对于所有飞行器的比例)通过MATLAB和VISSIM仿真进行验证。结果表明,随着CAV通过率的增加,能量效率的改善变得更加显著,而随着交通量的增加,能量效率的改善显著性降低
2018-03-15 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
Optimal Vehicle Dynamics and Powertrain Control for Connected and Automated Vehicles
University of Delaware(特拉华大学)
本文提出了一种两级控制架构,用于优化连接和自动化混合动力电动汽车的速度剖面和动力总成效率,通过车辆网络模拟评估了该架构。
2019-05-24 cs.SY eess.SY math.OC
Vehicle path and traffic flow optimization via lane changing of automated or semi-automated vehicles on motorways
本文研究自动或半自动驾驶车辆在高速公路上采用MOBIL换道策略对车辆行程时间和交通流的影响,通过Aimsun微观仿真分析不同参数及交通条件下的优化效果。
2023-12-02 cs.SY eess.SY math.OC
Anomaly Detection from Cyber Threats via Infrastructure to Automated Vehicle
当在能见度有限的高密度交通情况下自动驾驶时,使用结构到车辆(I2V)信息可以带来很大的好处,因为外部传感器增强了车辆的感知能力。在本研究中,引入了一种方法来提高车辆在交叉路口的自我意识,以应对使用I2V通信时可预见的最大挑战之一:网络安全。引入的异常检测算法在自动驾驶汽车上运行,评估I2V通信的健康状况,以抵御多种网络安全攻击。该分析是在模拟环境中进行的,使用了Secredas项目(跨域可靠依赖自动化系统的网络安全)的网络攻击场景,并提供了车辆在面临不同类型和幅度的I2V网络攻击以及传感器冗余丢失时的局限性。结果表明,自动驾驶汽车可以稳健地检测和缓解注入的异常,使其能够更安全,更舒适地做出反应,并在交叉路口保持正确的目标跟踪。
2021-04-23 cs.CR 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
Hardware-In-the-Loop for Connected Automated Vehicles Testing in Real Traffic
University of California, Berkeley(加州大学伯克利分校);Hyundai Motor Group(现代汽车集团)
我们提出了一个硬件在环(HIL)仿真设置,用于在动态的真实场景中对互联自动驾驶汽车(CAV)进行可重复测试。我们的目标是测试控制和规划算法及其在车辆硬件上的分布式实现,并可能在云中。HIL设置结合了用于感知传感器、道路地形和信号交叉口的PreScan;用于交通微观仿真的Vissim;用于车辆和动力系统动力学的ETAS DESK-LABCAR/测功机;以及用于CAV实时的控制的车载电子控制单元。交通和信号交叉口的模型由真实世界的测量驱动。为了演示这种HIL仿真设置,我们测试了一种模型预测控制方法,以最大限度地提高城市环境中CAV的能源效率。
2019-07-21 cs.RO 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
Microsimulation of Energy and Flow Effects from Optimal Automated Driving in Mixed Traffic
在PTV VISSIM微观仿真环境中研究了一种新型的预期巡航控制器对能源和交通的影响。我们将控制器分为两部分:1.预期模式,当自动化车辆车队渗透率较低时,更立即有益,以及2.连接模式,有利于协调车辆跟随场景和适用于自主车辆特定应用的高度自动化车辆渗透。概率约束处理安全考虑,并且通过使用动力系统映射来表示车辆加速能力的约束。真实的交通场景,然后使用交通数据的时间车头时距分布建模。为了研究对一系列需求的影响,我们将输入车辆数量从低到高进行变化,然后将自动驾驶车辆渗透率从低到高进行变化。在研究全人类驾驶场景时,网络容量无法满足高流量场景的需求,例如高峰时段的交通。我们进一步发现,随着自动驾驶汽车的引入,利用概率约束来平衡安全性和交通紧凑性,网络容量得到了提高,以支持高容量的场景。最后,我们研究了传统,电动和混合动力汽车的车队的能源效率。我们发现,在考虑传统动力系统时,自动驾驶汽车的能效比人类驾驶员高出10% - 20%,在考虑电动和混合动力系统时,自动驾驶汽车的能效比人类驾驶员高出3% - 9%。由于平滑交通流的次级效应,能源效益也适用于与自动驾驶车辆相互作用的人类驾驶车辆。研究发现,这种模拟人类的驾驶比基准全人类情景中的能源效率高出10%。
2020-02-28 cs.SY eess.SY math.OC
Nonconvex Consensus ADMM for Cooperative Lane Change Maneuvers of Connected Automated Vehicles
互联和自动化车辆(CAV)为改善没有通信能力的自动化车辆(AV)的性能提供了巨大的潜力,特别是在车辆(或代理)需要合作以完成其操纵的情况下。密集交通中的变道机动,例如,对于非联网的自动驾驶汽车来说是非常具有挑战性的。为了缓解这个问题,我们提出了一个整体的分布式变道控制方案的CAV依赖于车辆到车辆的通信。将原来集中式的最优控制问题嵌入到基于共识的乘子框架的交替方向法中,以分布式滚动时域方式求解。虽然代理动力学使基本的最优控制问题的非凸,我们提出了一个问题的重新制定,允许获得收敛保证。在分布式环境中,每个智能体需要在本地求解一个非线性规划(NLP)。为了获得局部NLP的实时解,我们利用优化引擎OpEn,其实现用于最优控制的近似平均牛顿法(PANOC)。仿真结果证明了该方法的有效性和实时性。
2020-05-24 cs.SY eess.SY 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
A Barrier-Certified Optimal Coordination Framework for Connected and Automated Vehicles
在本文中,我们扩展了一个框架,我们以前开发的连接和自动驾驶车辆(CAV)在无信号交叉口的协调,通过集成安全层使用控制障碍函数。首先,在我们的运动规划模块中,每个CAV使用简单的车辆动力学计算最佳控制轨迹。轨迹不会激活任何状态、控制和安全约束。车辆级跟踪控制器采用组合的前馈-反馈控制律来跟踪从运动规划模块得到的最优轨迹。然后,作为车辆级跟踪控制器和物理车辆之间的中间层的障碍证书模块接收来自车辆级跟踪控制器的控制律,并使用现实的车辆动力学确保状态、控制和安全约束都不会被激活。后者是通过二次规划实现的,可以实时有效地求解。我们证明了我们的扩展框架的有效性,通过数值模拟。
2022-03-30 cs.SY eess.SY math.OC
Optimal Trajectory Planning for Connected and Automated Vehicles in Lane-free Traffic with Vehicle Nudging
本文提出了一种最优控制方法,连接和自动驾驶车辆(CAV)的移动策略,在无车道的交通环境中的车辆轻推。控制输入上的状态依赖约束被认为是确保车辆在道路边界内移动,并防止碰撞。一个目标函数,包括各种加权的子目标,设计,其最小化导致车辆前进在所需的速度,在可能的情况下,同时避免障碍物。一个非线性最优控制问题(OCP)制定的目标函数的最小化受到约束的每辆车。在模型预测控制(MPC)框架内,基于事件触发的可行方向算法(FDA)可以实时计算有限时域内的数值解。该方法适用于道路上的每一辆车,同时运行模拟无车道的环路上,广泛的车辆密度和不同类型的车辆。从模拟,创建无数的驾驶情节为每个涉及的车辆,它是观察到,所提出的方法是非常有效的提供安全,舒适和高效的车辆轨迹,以及高交通流量的结果。该方法正在研究中,以进一步用于CAV交通的各种无车道道路基础设施。
2023-02-01 cs.SY eess.SY math.OC
A Hierarchical Approach to Optimal Flow-Based Routing and Coordination of Connected and Automated Vehicles
University of Delaware(特拉华大学);Cornell University(康奈尔大学)
针对宏观最优车流实际难以实现的问题,提出一种面向网联自动驾驶车辆(CAVs)的分层路由恢复与生态驾驶策略,通过启发式算法分配路线并协调交叉口通行,有效降低城市总行程时间与能耗。
2023-09-07 cs.RO cs.SY eess.SY