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
Flow-level Coordination of Connected and Autonomous Vehicles in Multilane Freeway Ramp Merging Areas
高速公路入口匝道合流区由于频繁的合流、交织、换道等行为而产生的强烈干扰，被认为是高速公路网络的典型瓶颈。互联和自动驾驶车辆（CAV）得益于其实时通信和精确运动控制的能力，通过加强合作，为促进匝道合并操作提供了机会。现有的CAV协作策略主要是针对单车道的高速公路设计的，虽然多车道配置在现实世界中更普遍。在本文中，我们提出了一个流量级的CAV协调策略，以促进合并操作在多车道高速公路。该协调集成了主流车道之间的换道规则，主动创建大的合并间隙，以及匝道车辆的排队，以提高交通流稳定性和效率。该策略是在优化框架下制定的，其中最优控制计划是根据实时交通状况确定的。详细讨论了可调模型参数对生成的控制计划的影响。在微观仿真环境中证明了所提出的多车道策略的效率。研究结果表明，该协调方法能显著提高匝道的整体合流效率，防止反复发生的交通拥堵，特别是在高交通量条件下。
2022-02-18 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
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
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
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
Modeling the Lane-Change Reactions to Merging Vehicles for Highway On-Ramp Simulations
Global Center for Automotive Performance Simulation（全球汽车性能模拟中心）；Honda Research Institute, USA Inc.（美国本田研究所）；Virginia Tech Transportation Institute（弗吉尼亚理工大学交通研究所）
本研究通过引入车道变换反应改进高速公路汇入场景仿真，利用在8个代表性地点收集的自然驾驶数据评估两种模型，并集成至高保真仿真环境以支持自动驾驶开发。
2024-07-26 cs.RO cs.SY eess.SY
Decentralized On-Ramp Merging Control of Connected and Automated Vehicles in the Mixed Traffic Using Control Barrier Functions
互联车辆与自动驾驶车辆（CAV）的协同控制是缓解交通拥堵、提高交通安全的有效途径，特别是在入口匝道瓶颈路段。然而，在混合交通中，人类驾驶车辆（HDVs）的不确定性使得CAV的入口匝道并入控制更具挑战性。针对混合交通条件下高速公路入口匝道的CAV合流控制问题，提出了一种分散最优控制方法。我们首先制定的最优合并控制问题，其中包括安全和车辆动力学的约束，以最小化行程时间和能源消耗的目标。然后，提出了一种结合控制障碍函数和控制李雅普诺夫函数的控制框架。CBF使系统受到安全关键约束，而CLF使系统稳定到目标。此外，为了有效控制混合交通流中的CAV，提出了一种递归合并控制框架，将HDV视为干扰，CAV重复收集周围车辆的状态并递归更新其轨迹，以满足严格的合并要求。最后，合并问题被重新表述为一个二次规划问题，它允许实时应用。仿真结果表明，所提出的入口匝道合流控制方法具有较强的鲁棒性，能有效地抑制HDV的干扰，提高车辆的通行效率和节能效果。
2021-11-01 cs.SY eess.SY
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
Merging Control Strategies of Connected and Autonomous Vehicles at Freeway On-Ramps: A Comprehensive Review
入口匝道合流区是高速公路网中典型的瓶颈路段，入口匝道车辆的合流会对主线交通流产生强烈的扰动，对交通效率和安全造成各种负面影响。互联和自动驾驶车辆（CAV）具有实时通信和精确运动控制的能力，通过增强的协调策略，具有促进匝道合并操作的巨大潜力。本文对现有的基于CAV的匝道并道策略进行了全面的综述，重点介绍了该领域的最新研究动态。该综述全面涵盖了最近发表在主要运输期刊上的44篇论文。基于应用背景，控制策略分为三类：合并到单车道高速公路与总CAV，合并到单车道高速公路与混合交通流，并合并到多车道高速公路。相关文献综述了所需的技术，控制决策水平，应用方法，和对交通性能的影响。更重要的是，我们确定了现有的研究差距，并提供了有见地的讨论的潜力和有前途的方向，为未来的研究的基础上，这有利于进一步推进这一研究课题。
2022-03-22 cs.SY eess.SY
Decentralized Merging Control of Connected and Automated Vehicles to Enhance Safety and Energy Efficiency using Control Barrier Functions
Southwest Research Institute（西南研究院）
本研究提出一种基于去中心化控制屏障函数的网联自动驾驶车辆高速合流控制方法，采用预测-校正循环协商无优先级车辆动作，经蒙特卡洛仿真验证，相比先入先出方法及中心化控制器，在能效、流量和鲁棒性上均有提升。
2025-10-30 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
Decentralized Model Predictive Control of Connected and Automated Vehicles with Coupled Safety Constraints
ETH Zürich（苏黎世联邦理工学院）
研究无车道高速公路上CAV控制问题，针对其非线性动力学和安全约束挑战，采用分散MPC算法，开发解耦方法转化约束，仿真表明算法实现安全高效轨迹且提升可扩展性，指出最佳控制策略取决于多方面权衡。
2026-07-14 cs.SY eess.SY
Decentralized Optimal Merging Control for Connected and Automated Vehicles
Boston University（波士顿大学）
本文研究了联网自动化车辆在合并点的最优控制问题，旨在共同最小化每辆车的行驶时间和能耗，同时保证速度相关的安全约束在合并点及控制区内的持续满足。通过分析无主动约束的情况，证明在特定条件下安全约束保持非活跃，从而简化了显式去中心化解的确定。当这些条件不适用时，仍能获得包含安全约束活跃区间的显式解。分析结果有助于研究行驶时间和控制区内的能耗之间的权衡。
2018-11-27 cs.RO 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
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
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
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
Cruise Controllers for Lane-Free Ring-Roads based on Control Lyapunov Functions
本文介绍了新的家庭的巡航控制器的自动驾驶汽车在无车道的环路。巡航控制器的设计是基于控制李雅普诺夫函数的适当选择，该控制李雅普诺夫函数表示在系统能量的测量上，其中动能以类似于牛顿力学或相对论力学的方式表示。所导出的反馈律（巡航控制器）是分散的（每辆车），因为每辆车基于以下各项来确定其控制输入：（i）其自身的状态;（ii）仅与相邻车辆的距离（无粘性巡航控制器）或相邻车辆的状态（粘性巡航控制器）;以及（iii）其与环路边界的距离。详细分析了无车道直道与无车道环路的异同。
2022-08-03 cs.SY eess.SY math.OC
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
Dissipativity-Based Decentralized Co-Design of Distributed Controllers and Communication Topologies for Vehicular Platoons
针对车辆队列控制器与通信拓扑分离设计的不足，提出基于耗散性的分散式协同设计框架，通过分解LMI问题实现分布式求解，保证队列弦稳定性与车辆合并拆分功能，并通过仿真验证了方法有效性。
2024-05-14 cs.SY eess.SY
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
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
Flexible MPC-based Conflict Resolution Using Online Adaptive ADMM
在集中式方法不可行的许多地方，需要自主车辆的分散式冲突解决方案，例如，停车场、乡村道路、合并车道等。然而，现有的方法通常没有在分散式冲突解决中充分利用优化。我们提出了一个分散的冲突解决方法，自动驾驶汽车的基础上的一个新的扩展交替方向乘法器（ADMM），称为在线自适应ADMM（OA-ADMM），和模型预测控制（MPC）。OA-ADMM是为在线系统量身定制的，快速和自适应的实时优化至关重要，并允许使用有关物理系统的安全信息来提高实时控制的安全性。我们证明了在静态情况下的收敛性，并给出了在线收敛的要求。结合OA-ADMM和MPC，可以实现强大的分散式运动规划和控制，无缝集成分散式冲突解决方案。我们所提出的方法的有效性，通过模拟CARLA，一个开源的车辆模拟器，导致减少47.93%的平均增加的延迟相比，下一个最好的方法。
2021-03-25 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
Two-Dimensional Cruise Control of Autonomous Vehicles on Lane-Free Roads
在本文中，我们设计了分散控制策略的二维运动的自动驾驶汽车在无车道的道路。自行车运动学模型用于对车辆的动力学进行建模，并且每个车辆仅基于其自身的速度以及与其他（相邻）车辆的距离和道路的边界来确定其控制输入。采用势函数和Barbalat引理证明了所提出的控制器确保的以下性质：（i）车辆不会相互碰撞或与道路边界碰撞;（ii）所有车辆的速度始终为正，即，在任何时候都没有车辆向后移动;（iii）所有车辆的速度保持低于给定的速度限制;（iv）所有车辆的速度收敛到给定的纵向速度设定点;以及（v）所有车辆的加速度、横向速度和方向趋于零。所提出的2-D巡航控制器的效率通过数值例子说明。
2021-03-22 cs.SY eess.SY math.OC
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
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
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
Mesh Stability Guaranteed Rigid Body Networks Using Control and Topology Co-Design
针对刚体网络合并与分裂中的控制器组合性和网格稳定性问题，提出去中心化控制与拓扑协同设计方法，将集中式LMI等价分解为各刚体可解的局部LMI，并通过仿真和对比验证有效性。
2025-05-15 cs.SY eess.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
Trajectory Planning for Connected and Automated Vehicles at Isolated Signalized Intersections under Mixed Traffic Environment
互联和自动驾驶车辆（CAV）的轨迹规划有可能提高交通系统的运营效率和车辆燃油经济性。尽管在这方面的研究丰富，但大多数只考虑纵向的轨迹规划或假设全CAV环境。提出了一种在单信号交叉口混合交通环境下的CAV轨迹分散规划方法。基于离散时间建立了一个双层优化模型，在给定信号时序和周围车辆轨迹信息的情况下，对单架CAV的纵向和横向轨迹进行优化。上层模型优化横向换道策略。下层模型根据上层模型的换道策略优化纵向加速度曲线。在目标函数中考虑了车辆延误、燃料消耗和换道费用的最小化。设计了换道策略树（LCST）和并行蒙特卡罗树搜索（PMCTS）算法求解双层优化模型。CAV的轨迹是根据它们到停止杆的距离一个接一个地规划的。滚动时域计划适用于所提出的模型与时变交通条件的动态实施。数值算例验证了所提出的轨迹规划模型的优越性。
2021-02-06 cs.SY eess.SY
Merging control in mixed traffic with safety guarantees: a safe sequencing policy with optimal motion control
本文针对混合交通合流问题提出一种分层控制器，通过安全序列协调与基于CBF约束的MPC运动控制，在保证安全合流的同时优于最短距离优先策略。
2023-05-26 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
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
Safe and Efficient CAV Lane Changing using Decentralised Safety Shields
School of Computer Science and Statistics, Trinity College Dublin（计算机科学与统计学学院，都柏林三一学院）
针对CAV换道安全难题，提出去中心化混合安全护盾HSS并与MARL集成，在匝道合流场景中实现零碰撞且保持交通效率。
2025-04-30 cs.AI cs.MA cs.RO
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
A Multi-Agent Deep Reinforcement Learning Coordination Framework for Connected and Automated Vehicles at Merging Roadways
University of Delaware（特拉华大学）
在高速公路上行驶的车辆数量的稳步增加继续加剧拥堵、事故、能源消耗和温室气体排放。新兴的移动系统，例如，互联和自动驾驶汽车（CAV）有可能直接解决这些问题，并提高运输网络的效率和安全性。在本文中，我们考虑了一个高速公路合并的情况下，并提出了一个框架，协调CAV，停止和去驾驶被淘汰。我们使用一种分散形式的行动者-批评者方法来进行深度强化学习$-$多智能体深度确定性策略梯度。我们通过数值模拟证明了CAV的协调性，并表明通过消除走走停停的驾驶来实现平稳的交通流。模拟结果的视频和图表可在本补充$\href{https://sites.google.com/view/ud-ids-lab/MADRL}{\text{site}}$中找到。
2022-03-14 cs.AI cs.LG cs.SY
Optimizing Mixed Autonomy Traffic Flow With Decentralized Autonomous Vehicles and Multi-Agent RL
UC Berkeley（加州大学伯克利分校）；Paris-Saclay University（巴黎萨克雷大学）；ENS Paris-Saclay（巴黎萨克雷高等师范学院）
我们研究了自主车辆的能力，以提高吞吐量的瓶颈，使用一个完全分散的控制方案，在一个混合的自治设置。我们考虑的问题，提高吞吐量的比例模型的旧金山-奥克兰海湾大桥：一个两阶段的瓶颈，四车道减少到两个，然后减少到一个。虽然有大量的工作研究在集中式设置的瓶颈控制的变体，有较少的研究具有挑战性的多智能体设置，其中大量的相互作用的AV导致强化学习方法的显着优化困难。我们应用多智能体增强算法来解决这个问题，并证明了瓶颈吞吐量的显着改善，从20%，在5%的渗透率到33%，在40%的渗透率，可以实现。我们比较我们的结果，手工设计的反馈控制器，并证明我们的结果大幅优于反馈控制器，尽管广泛的调整。此外，我们证明了基于RL的控制器采用了一个强大的策略，工作在整个渗透率，而反馈控制器降低渗透率变化后立即。我们调查的可行性，行动和观察权力下放，并表明，有效的战略是可能的，纯粹使用本地传感。最后，我们在https://github.com/eugenevinitsky/decentralized_bottlenecks上开源了我们的代码。
2020-10-30 cs.LG cs.MA cs.RO
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
Proprioceptive feedback paradigm for safe and resilient motion control
Southwest Research Institute（西南研究所）
本文提出一种类本体反馈机制用于运动控制系统，通过快速反馈环路补偿意外响应，分析了可管理的损伤程度，并提供了全MPF和分MPF两种方案。
2026-03-31 cs.SY eess.SY
Forward Completeness and Applications to Control of Automated Vehicles
该研究提出开集有限维系统的宽松类Lyapunov前向完备性条件，将其用于自动驾驶车辆无车道巡航控制设计，得到可避障、适配多场景的去中心化反馈律。
2023-07-21 cs.SY eess.SY math.OC
Optimal Safe Sequencing and Motion Control for Mixed Traffic Roundabouts
本文提出一种面向混合交通环岛的OSS控制框架，联合优化CAV排序与运动控制，集成SS策略与MPC-CLBF方法，在保证安全的同时最小化行程时间、能耗与不适，仿真验证了其有效性。
2025-03-25 cs.SY eess.SY
Facilitating Emergency Vehicle Passage in Congested Urban Areas Using Multi-agent Deep Reinforcement Learning
NEW YORK UNIVERSITY TANDON SCHOOL OF ENGINEERING（纽约大学坦登工程学院）
针对城市应急车辆通行延误问题，提出基于多智能体深度强化学习的EMVLight框架、动态队列跳跃车道系统及纽约市EMS公平性研究，显著缩短应急响应时间并改善服务公平性。
2025-02-23 cs.AI cs.SY eess.SY
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
Interactive multi-modal motion planning with Branch Model Predictive Control
California Institute of Technology（加州理工学院）
自主机器人和车辆的运动规划存在的不受控制的代理仍然是一个具有挑战性的问题，因为反应行为的不受控制的代理必须考虑。由于不受控制的智能体通常表现出多模态反应行为，运动规划器需要解决这些行为下的连续运动规划问题，其中包含离散元素。我们提出了一个分支模型预测控制（MPC）框架，计划反馈策略，利用不受控制的代理的反应行为。特别是，一个场景树是从一个有限的一组不受控制的代理的政策，和分支MPC解决了反馈策略的轨迹树的形式，共享相同的拓扑结构的场景树。此外，一致的风险度量，如条件风险价值（CVaR）被用作调整旋钮，以调整性能和鲁棒性之间的权衡。建议的分支MPC框架进行测试的超车和变道任务和合并任务的自动驾驶车辆的模拟，并在实验中的一个自主四足机器人旁边的不受控制的四足动物的运动规划。结果展示了有趣的人类行为，实现了安全和性能之间的平衡。
2021-09-18 cs.RO cs.SY eess.SY
Autonomous vehicle decision and control through reinforcement learning with traffic flow randomization
Shien-Ming Wu School of Intelligent Engineering, South China University of Technology（华南理工大学吴贤铭智能工程学院）
本研究提出通过随机化SUMO中微观交通流参数来训练强化学习策略，提升自动驾驶在真实交通场景中的性能，实验证明该方法显著提高了成功率和计算奖励。
2024-04-19 cs.LG cs.RO cs.SY
