Lyapunov stabilization of a nonlocal LWR traffic flow model
利用一个非局部宏观LWR型交通流模型,提出了一种控制非局部速度向给定的平衡速度的方法。因此,我们提出了一个李雅普诺夫函数测量这些速度之间的$L^2$距离。我们计算系统趋于稳定速度的显式速率。交通由领头的车辆控制。数值算例验证了理论结果及其可能的推广。
2022-10-05 math.OC
Generic second-order macroscopic traffic node model for general multi-input multi-output road junctions via a dynamic system approach
本文提出了一种通用的二阶宏观交通节点模型,用于解决一般多输入多输出道路交汇处的复杂交通问题,通过动态系统方法实现更精确的交通流建模。
2019-06-18 cs.SY eess.SY math.OC
Stability Analysis of Nonlinear Inviscid Microscopic and Macroscopic Traffic Flow Models of Bidirectional Cruise-Controlled Vehicles
本文介绍了一种新的双向微观无粘自适应巡航控制(ACC)模型,该模型只使用来自前车和后车的间距信息,以选择适当的控制动作,以避免碰撞并保持期望的速度。给出了保证ACC模型一致收敛性的KL估计。此外,相应的宏观模型推导,包括一个守恒方程和动量方程,其中包含一个非线性弛豫项。它表明,如果密度是足够小的,那么宏观模型有一个解决方案,以指数方式接近平衡速度(在超规范),而密度指数收敛到行波。还提供了数值模拟,说明了微观和宏观无粘ACC模型的属性。
2021-09-20 cs.SY eess.SY math.DS
Highway Traffic State Estimation with Mixed Connected and Conventional Vehicles
一种基于宏观模型的方法,用于估计交通状态,特别是车辆的(总)密度和流量,是针对“混合”交通的情况开发的,即,交通包括普通车辆和联网车辆。该开发依赖于以下现实假设:(i)在(本地或中央)交通监控和控制单元处,基于其定期报告的位置,已知联网车辆的密度和流量,以及(ii)传统车辆的平均速度大致等于联网车辆的平均速度。因此,完全交通状态估计(对于网络中任意选择的路段)可以通过仅估计连接的车辆相对于车辆总数的百分比来实现。推导出一个模型,该模型描述了连接车辆的百分比的动态,仅利用描述连接车辆的密度和所有车辆的总密度的动态的众所周知的守恒律方程。基于此模型,这是一个线性时变系统,估计算法的连接车辆的百分比开发采用卡尔曼滤波器。通过仿真使用二阶宏观交通流模型作为地面实况的交通状态的估计方法进行验证。该方法要求最少的基于点传感器的总流量测量(根据各种可能的位置配置)。
2015-04-26 math.OC
Optimal Unmanned Aerial Vehicle Deployment for Macro-Micro Traffic Monitoring Fused with Connected Vehicles
Nanyang Technological University(南洋理工大学)
本研究结合网联车辆数据,提出基于不确定性最小化的无人机最优部署方法,用量子遗传算法求解,实现宏微观交通状态更可靠的估计。
2025-10-28 math.OC
Learning-based Traffic State Reconstruction using Probe Vehicles
本文研究了使用基于模型的神经网络的交通重建问题,使用来自探测车的噪声测量。交通状态被假定为仅密度,由偏微分方程建模。在这种情况下,存在用于重建密度的各种方法。然而,他们都没有表现良好的噪声和很少处理拉格朗日测量。本文介绍了一种方法,它可以减少识别,重建,预测和噪声抑制的过程到一个单一的最优化问题。基于宏观或微观模型的数值模拟在中等计算负担下表现出良好的性能。
2020-11-17 math.OC
Macroscopic Modeling, Calibration, and Simulation of Managed Lane-Freeway Networks, Part II: Network-scale Calibration and Case Studies
在本论文系列的第一部分中,提出了几个宏观交通模型元素,用于数学描述配备有管理车道设施的高速公路网络。这些建模技术试图在宏观上捕捉管理车道高速公路网络上发生的复杂现象,其中两个平行的交通流在物理意义上(汽车如何以及在两个车道组之间流动)和生理意义上(驾驶行为如何通过邻近定量和定性不同的交通流而改变)相互作用。我们在第一部分中开发的局部描述并不是管理车道-高速公路网络中引入的唯一建模复杂性。复杂的拓扑结构意味着高速公路走廊的网络规模建模的复杂性也会增加。当高速公路实际上变成两个相互关联的流时,高速公路动态模型的已经困难的模型校准问题变得更加复杂。在本文中,我们提出了一种基于迭代学习的方法来校准我们的模型的物理和驾驶员行为参数。我们考虑的常见情况下,一个复杂的交通模型需要进行校准,以重建现实世界的基线交通行为,这样的反事实可以产生的训练目的。我们的方法是用来识别传统的高速公路参数,以及建议的参数,描述管理车道高速公路网络的具体行为。我们验证了我们的模型和校准方法与案例研究的模拟两个管理车道配备加州高速公路。
2019-08-26 cs.SY eess.SY math.OC
A Distributed Architecture for Real-time Hybrid Traffic Light Control in Urban Transportation Networks
提出了一种描述城市交通系统中交通动力学的宏观模型。基于单元传输模型描述路段动态,以路段通行能力为约束,基于流量车头时距和交叉口饱和流量提出流量动态。为了满足闭环交通灯控制策略的要求,提出了一种方法来估计交叉口的分支比,仿真结果表明,在恒定的循环流量剖面下,可以实现收敛。此外,提出了一种基于系统划分的方法,这是通过机器学习的方法来实现的拥塞水平识别和混合交通网络控制策略,提出了集成不同的交通灯控制方案在一起。
2020-02-24 math.OC
A Game Theoretic Macroscopic Model of Bypassing at Traffic Diverges with Applications to Mixed Autonomy Networks
University of California, Berkeley(加州大学伯克利分校)
本文提出一个宏观模型预测交通分歧点的绕行车辆数量,考虑车辆自私行为,建立Wardrop均衡模型,证明均衡存在性和唯一性,并展示模型在混合自主网络中的应用。
2018-09-08 cs.GT cs.SY eess.SY
Relaxation and stability analysis of a third-order multiclass traffic flow model
Department of Mathematics “Guido Castelnuovo”, Sapienza University of Rome(罗马大学“圭多·卡斯特尔努沃沃”数学系)
本文提出了一种第三类双曲交通模型,通过引入驾驶员依赖的犹豫演化规律,解决宏观建模中的闭合关系问题,并纳入迟滞效应。
2025-12-17 math.AP math.DS math.OC
Macroscopic Traffic Flow Network Modeling For Wildfire Evacuation: A Game-Theoretic Junction Optimization Approach with Application to Lahaina Fire
University of California, Los Angeles(加州大学洛杉矶分校)
本文提出基于博弈论的节点优化方法,用于建模大规模交通流网络,以解决野火疏散中的通行容量问题,通过分析玩具网络和拉海纳道路网络,揭示了出口车道容量的相变特性。
2026-04-01 cs.NA math.NA math.OC
Uncertainty damping in kinetic traffic models by driver-assist controls
在本文中,我们提出了一个动力学模型的交通流与不确定的二元相互作用,它解释了分散的基本图的宏观变化的总量,如平均速度和流量的车辆,由微观的不确定性。此外,我们设计的车辆之间的微观相互作用的水平上的控制策略,通过它,我们证明,它是可能的,以抑制这种不确定性的跨尺度的传播。我们的分析和数值计算结果表明,总的交通流量可以更有序,因此可预测的,通过实施这样的控制协议,在驾驶辅助车辆。值得注意的是,它们还提供了不确定性的宏观阻尼与驾驶员辅助技术在交通流中的渗透率之间的精确关系。
2020-02-10 cs.NA math.NA math.OC
A Game-Theoretic Framework for Autonomous Vehicles Velocity Control: Bridging Microscopic Differential Games and Macroscopic Mean Field Games
Columbia University(哥伦比亚大学)
本文提出了一种高效的计算框架,用于大规模自动驾驶车辆(AVs)的纵向速度控制,并发展了AVs的交通流理论。通过设计未来AVs作为理性、效用优化的代理,持续选择最优速度,而非显式假设AVs的驾驶方式。该设计问题在大量交互AVs的情况下变得计算不可行,本文通过均场近似和推导无限数量代理的均场游戏(MFG)作为极限微分游戏来解决。提出的微宏模型允许在微观层面定义个体为效用优化代理,并将丰富的微观行为转化为宏观模型。与现有将MFG应用于交通流模型的研究不同,本文提供了一个系统框架将MFG应用于自动驾驶车辆速度控制。MFG基于的AV控制器比LWR基于的控制器更快缓解交通拥堵。MFG也体现了经典交通流模型的行为解释,从而为AVs提供新的交通流理论。
2020-12-10 cs.SY eess.SY math.OC
A Robust Mean-field Game of Boltzmann-Vlasov-like Traffic Flow
从历史上看,交通建模方法要么采取类似颗粒(微观)的方法,要么采取类似气体(中观或宏观)的方法。直到最近,随着平均场博弈引入到控制社区,还没有一个严格的框架,以促进微观模型和宏观模型的控制之间的通道。我们开始这项工作与自主车辆的阻力和未知的干扰,噪音,速度限制,除了控制的基于粒子的模型。我们制定了一个强大的随机微分对策上的粒子。我们通过形式上的无限粒子极限,得到一个强大的平均场博弈PDE系统。我们数值求解了平均场博弈偏微分方程系统,并对结果进行了讨论。特别是,我们得到了一个最优控制,它增加了批量速度的交通流,同时减少拥塞。
2021-11-15 cs.SY eess.SY math.OC
Multiscale control of generic second order traffic models by driver-assist vehicles
我们研究了通用高阶宏观交通模型的推导,通过动力学方法从跟随领导者的粒子描述。首先,我们恢复了一个三阶交通模型的Enskog型动力学方程的流体动力学极限。接下来,我们在车辆的相互作用中引入了一个二元控制模型,该模型由驾驶辅助车辆提供的自动反馈,并且我们通过另一个基于Enskog的流体动力学限制来放大这样一个新的粒子描述。由此产生的宏观模型现在是一个通用二阶模型(GSOM),它又包含一个控制项继承自微观相互作用。我们表明,这样的控制可以选择,以优化全球交通趋势,如车辆流量或道路拥堵,受GSOM动态。通过数值模拟,我们研究了这种控制层次结构在一些特定的案例研究,这是从车辆智能实施的驾驶员辅助控制的多尺度路径,其最佳流体动力学设计的效果。
2020-08-17 math.OC nlin.AO physics.soc-ph
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
Kinetic-controlled hydrodynamics for multilane traffic models
我们研究了应用最近推出的分层描述的交通流控制的驾驶辅助车辆,包括车道变换动态。车道依赖的反馈控制策略在车辆的水平上实施,并且通过基于车道切换频率确定三种不同流体动力学的Boltzmann型方程来研究总趋势。系统的一阶宏观方程描述的密度沿车道的演变,然后一致地确定通过适当的封闭策略。数值例子来说明所提出的分层方法的功能。
2020-12-21 math.OC nlin.AO
Robust Macroscopic Density Control of Heterogeneous Multi-Agent Systems
Scuola Superiore Meridionale(南方高等学院);University of Naples Federico II(那不勒斯费德里科二世大学)
本文提出了一种可扩展的宏观密度控制框架,用于异构多智能体系统,在部分未知环境中实现鲁棒的密度控制。
2026-09-21 cs.SY eess.SY math.AP
A measure theoretic approach to traffic flow optimization on networks
考虑一类描述网络交通流问题的测度值非线性迁移方程的最优控制问题。目标是最小化/最大化宏观量,如交通量或平均速度,控制少数代理,例如智能交通灯和自动驾驶汽车。measuretheoretic方法允许在同一设置本地和非本地驱动程序的相互作用,并考虑额外的措施与driversdistribution的控制变量的研究。我们还提出了一种基于梯度下降伴随的最优化方法,通过推导控制问题的一阶最优性条件获得,并在2-1交叉口的智能交通灯的情况下提供了一些数值实验。
2018-03-02 math.AP math.OC
Simultaneous Stabilization of Traffic Flow on Two Connected Roads
本文对一个交通流网络系统的边界状态反馈控制律进行了研究。每个路段上的宏观交通动力学由Aw-Rascle-Zhang(ARZ)模型控制,该模型由关于交通密度和速度的二阶非线性偏微分方程(PDE)组成。不同的平衡道路条件被认为是连接段。为了稳定这两条道路上的走走停停的交通拥堵,我们考虑了位于连接路口的匝道控制。从入口匝道进入主线交叉口的交通流量被驱动。我们的目标是同时稳定的上游和下游的交通到一个给定的空间均匀恒定的稳态。我们设计了一个完整的状态反馈控制法律的欠驱动网络的两个系统的两个异向线性一阶双曲型偏微分方程通过边界条件(结)互连。通过数值模拟,验证了系统的指数稳定性.
2019-10-30 math.AP math.OC
Ramp Metering Control via Hybrid State Deep Reinforcement Learning in Partially Observable Connected Vehicle Environments
Univ Gustave Eiffel(古斯塔夫·埃菲尔大学);ESTIN(ESTIN 高等技术学院)
针对部分网联车辆环境下匝道信号控制问题,提出结合宏观与微观观测的混合表示及决斗双深度Q网络方法,在SUMO中相比ALINEA显著降低出行时间和溢流持续时间。
2026-10-06 cs.AI cs.LG math.OC
Asymmetric Cell Transmission Model-Based, Ramp-Connected Robust Traffic Density Estimation under Bounded Disturbances
在现代交通系统中,交通拥堵是不可避免的。为了最大限度地减少拥塞造成的损失,人们开发了各种控制策略,其中大部分依赖于对实时交通状况的观察。由于老式的流量传感器是有限的,流量密度估计是非常有帮助的获得网络范围内的可观测性。针对这一问题,首先基于非对称小区传输模型(ACTM)建立了多匝道高速公路的交通模型。其次,基于ACTM包含的非线性是Lipschitz的假设,提出了一个鲁棒的动态观测器框架进行交通密度估计。数值试验结果表明,观测器产生足够的性能在估计交通密度有噪声的测量,而计算速度更快的无迹卡尔曼滤波器在执行实时估计。
2020-02-10 cs.SY eess.SY math.OC
Pursuing robust decisions in uncertain traffic equilibrium problems
我们评估的鲁棒性代理的流量均衡随机路由游戏的特点是一个不确定的网络需求与可能未知的概率分布。具体来说,我们扩展了所谓的软管模型考虑的交通平衡模型,不确定的网络需求配置属于一个多面体集,其形状本身是先验未知的。通过利用现有的数据,我们应用场景方法理论,建立分布免费的不确定路由游戏的代理商的流量均衡的可行性保证,而不需要知道这样的集的明确表征。一个交通网络试验台上的数值例子证实了所提出的理论结果。
2021-03-23 cs.MA cs.SY eess.SY
Traffic Assignment Problem for Footpath Networks with Bidirectional Links
University of New South Wales(新南威尔士大学);SKEMA Business School(SKEMA商学院)
本文提出了一种基于宏观用户均衡的行人交通分配框架,考虑了双向流的自组织性和随机步行时间,通过校准不同类型的行人流量-延迟函数,验证了该框架在不同规模网络中的有效性。
2022-05-19 cs.SY eess.SY math.OC