Optimal Control of Connected and Automated Vehicles at Roundabouts: An Investigation in a Mixed-Traffic Environment
车辆的连接和自动化为用户提供了最有趣的机会，使他们能够更好地监控交通网络状况，并做出更好的运营决策，以提高安全性，减少污染，能源消耗和旅行延误。本文研究了最佳协调车辆的影响，无线连接到彼此在圆形，以实现平稳的交通流。我们应用的优化框架和分析解决方案，允许最佳的协调车辆合并在这样的交通场景。通过仿真验证了该方法的有效性，结果表明，完全协调的车辆减少了51%的总行程时间和35%的燃料消耗。此外，我们还研究了混合交通环境中车辆协调的影响，并比较了联网车辆和自动驾驶车辆（CAV）在不同市场渗透率下的网络性能。对于这个具有接近容量需求的特定研究，由于交通量非常不稳定，结果表明，即使CAV的渗透率很高（例如，80%），旅行时间和节省的燃料比CAV网络少小于多。
2017-10-31 math.OC
Optimal Unmanned Aerial Vehicle Deployment for Macro-Micro Traffic Monitoring Fused with Connected Vehicles
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
Optimal Formation of Autonomous Vehicles in Mixed Traffic Flow
多个自动驾驶车辆的排队在学术界和工业界都引起了极大的关注。尽管具有巨大的潜力，但在自动驾驶汽车和人类驾驶汽车（HDV）共存的混合交通流中，排队并不是形成自动驾驶汽车的唯一选择。在本文中，我们研究了自动驾驶汽车的最佳编队，可以实现最佳的系统范围内的混合交通流的性能。具体来说，我们考虑整个交通流的最佳$\mathcal{H}_2$性能，反映了自动驾驶汽车在缓解交通扰动方面的潜力。然后，我们将最优编队问题表示为一个集函数最优化问题。数值结果显示，两个主要的最佳形式：均匀分布和队列形成，取决于交通参数。此外，我们表明：1）流行的队列编队并不总是最佳的选择; 2）当HDV具有较差的串稳定性行为时，队列编队可能是最差的选择。这些结果表明，在混合交通流中，除了排队之外，还有更多的机会形成自动驾驶汽车。
2020-04-01 cs.SY eess.SY math.OC
Smoothing Traffic Flow via Control of Autonomous Vehicles
University of Oxford（牛津大学）；Harvard University（哈佛大学）；Tsinghua University（清华大学）
本文从控制论角度研究自动驾驶车辆在环形道路中与人工驾驶车辆混合交通系统的可控性、稳定性及可达性，证明其可稳定交通流并提升速度，提出最优控制策略以抑制扰动，验证了自动驾驶车辆平滑交通流的潜力。
2020-05-10 cs.SY eess.SY 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
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
Improving Urban Traffic Throughput with Vehicle Platooning: Theory and Experiments
在本文中，我们提出了一个模型预测控制（MPC）为基础的方法在城市交通环境中的车辆排队。我们的主要目标是证明，车辆排队有可能显着增加在交叉口，这可能会造成交通流量的瓶颈吞吐量。为此，我们的方法依赖于车辆连接：车辆到车辆（V2V）和车辆到基础设施（V2I）通信。特别是，我们引入了一个自定义的V2V消息集，它具有速度预测，即对未来速度轨迹的预测，这使得排队车辆能够准确地保持较短的跟随距离，从而提高吞吐量。此外，V2I通信允许车队立即对附近交通灯的状态变化做出反应，例如当交通相位变为绿色时，从而实现交通效率的额外提高。我们提出了我们的车辆排队系统的设计，然后通过估计潜在的收益方面的吞吐量，使用我们的模拟结果，以及与真实的测试车辆在一个封闭的轨道上进行的实验来评估性能。最后，我们简要地概述了我们的示范，在阿卡迪亚，加利福尼亚州的公共道路上的车辆排队。
2020-07-28 cs.SY eess.SY 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 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
Stochastic Multi-class Traffic Assignment for Autonomous and Regular Vehicles in a Transportation Network
从常规车辆（RV）到自动驾驶车辆（AV）的过渡期势在必行。本文探讨了这两种类型的车辆使用的路线选择模型，制定为一个随机多类交通分配（SMTA）问题。在RV中，使用交叉嵌套Logit（CNL）模型，因为驱动程序没有完整的信息和CNL的独特特征。然而，由于关于网络的完整信息，AV被认为表现在用户平衡（UE）中。本文的主要创新之处在于介绍了SMTA的三种求解方法。根据网络的大小，可以使用每种方法。这些方法包括用GAMS软件求解非线性互补问题（NCP）、分解-指派算法和改进的Wang算法。通过对Wang算法的改进，提高了Wang算法的收敛速度，并给出了Nguyen和Sioux Falls网络的数值结果。针对交通分配中不可能考虑所有路径的问题，提出了一种新的路径生成-分配算法。该算法为每个OD生成多条吸引路径，并采用改进的Wang算法进行交通流分配。关键词：自动驾驶汽车，随机多类交通分配，交叉嵌套Logit模型
2022-12-11 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
Stabilizing Traffic via Autonomous Vehicles: A Continuum Mean Field Game Approach
本文基于连续介质交通流模型，利用平均场博弈对自动驾驶车辆建模，通过线性稳定性分析和数值实验证明自动驾驶车辆能稳定交通，并量化了渗透率与控制器设计的影响。
2020-01-22 cs.SY eess.SY math.OC
Enhancing Traffic Safety Analysis with Digital Twin Technology: Integrating Vehicle Dynamics and Environmental Factors into Microscopic Traffic Simulation
针对传统交通安全分析和微观交通仿真的不足，本文将数字孪生技术整合车辆动力学与环境因素模拟器，通过替代安全指标评估不同场景，识别潜在安全问题，为交通控制和基础设施改进提供支持。
2025-02-13 cs.SY eess.SY 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 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 vehicle-to-infrastructure communication based algorithm for urban traffic control
Université Paris Est, COSYS, GRETTIA, IFSTTAR（巴黎东大学，COSYS，GRETTIA，法国国家道路交通与运输研究所）
本文提出一种基于车辆与基础设施通信的城市交通控制算法，通过混合交通和基础设施环境优化交通信号灯控制，提升交通效率与通信性能。
2017-07-03 cs.NI cs.SY eess.SY
Leveraging Vehicle Connectivity and Autonomy to Stabilize Flow in Mixed Traffic Conditions: Accounting for Human-driven Vehicle Driver Behavioral Heterogeneity and Perception-reaction Time Delay
人类驾驶的不稳定性往往会触发不希望的波，随着连续的驾驶员反应从错误的车辆传播到上游的车辆，这些波会放大。这种现象被称为幻影拥堵，在文献中被认为是交通拥堵的主要原因之一。本文的前提是，车辆自动化和连接可以帮助缓解这种拥堵。在本文中，我们设计了一个控制器，用于连接和自动驾驶汽车（CAV），以稳定的人驾驶车辆（HDV）的流量，是CAV的上游，从而降低碰撞风险，在上游交通环境。在模拟混合交通流中的HDV动态时，我们充分考虑了HDV驾驶员的异质性和与其感知反应时间相关的时间延迟。我们可以发现，与不考虑人类驾驶员潜在时间延迟和异质性的情况相比，CAV可以稳定的HDV的最大数量更低。这一结果表明，HDV行为的异质性和时间延迟损害了CAV稳定交通的能力。因此，在设计CAV控制器的交通稳定，它是必不可少的考虑这种不确定性相关的条件。在我们的演示中，我们还表明，所设计的控制器可以显着提高混合交通流的稳定性和流中的CAV和HDV的安全性。结果是有用的实时校准的模型参数，表征HDV运动的混合流。
2020-08-17 cs.SY eess.SY 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
Estimation of urban traffic state with probe vehicles
COSYS-GRETTIA, Univ Gustave Eiffel, IFSTTAR（COSYS-GRETTIA，巴黎-沙隆大学，法国交通、道路和城市发展研究院）
本文提出了一种利用通信车辆估计城市交通状态的方法，通过分析交通灯处的排队情况，估计探测车辆的比例、链接上的车辆到达率以及每个交叉口的转弯比例，并进一步提出对双车道链接上排队长度的估计方法，以及基于此的交通信号灯优化控制和车辆分配策略。
2020-02-27 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
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
Controllability Analysis and Optimal Control of Mixed Traffic Flow with Human-driven and Autonomous Vehicles
多个数值模拟和现场实验表明，互联自动驾驶车辆（CAV）在提高混合交通系统的交通效率方面具有巨大潜力。然而，混合交通流的一些基本性质，包括可控性和稳定性，还没有得到很好的理解。分析了混合交通系统的可控性，设计了系统级最优控制策略。利用Popov-Belevitch-Hautus（PBH）准则，首次证明了一个CAV和多个异质人驾驶车辆的环形混合交通系统不是完全可控的，但在一个非常温和的条件下是稳定的.然后，我们制定了CAV的系统级控制策略的设计作为一个结构化的最优控制问题，其中CAV的通信能力被明确考虑。最后，我们推导出一个上界的可达交通速度通过控制CAV。大量的数值实验验证了我们的分析结果和所提出的控制策略的有效性。我们的研究结果验证了利用CAV作为移动执行器来主动平滑交通流的可能性。
2020-02-06 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
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
Highway Managed Lane Usage and Tolling for Mixed Traffic Flows with Connected Automated Vehicles (CAVs) and High-Occupancy Vehicles (HOVs)
本文针对CAVs、HOVs与HDVs混合交通流，通过中观仿真与蒙特卡洛模拟研究管理车道收费策略，提出在CAV渗透率有限时对HDV收费、对HOV/CAV免费的最优方案，以避免交通流崩溃并降低社会总成本。
2024-12-30 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
Vehicle Route Planning using Dynamically Weighted Dijkstra's Algorithm with Traffic Prediction
Jaguar Land Rover India Limited（捷豹路虎印度有限公司）；University of Cambridge（剑桥大学）
传统的车辆路径算法没有考虑交通的变化特性。虽然存在具有不同权重的Dijkstra算法的实现，但是权重经常在算法的结果被执行之后改变，这可能并不总是导致选择最优路线。因此，本文提出了一种新的车辆路径算法，改进了Dijkstra的算法，使用交通预测模型的基础上，在道路网络中的交通流量。这里，Dijkstra算法在规划阶段本身使用交通流理论原理而被适配为动态的和不定常的。该模型提供了预测的交通参数和旅行时间在每个时刻的道路网络的每个边缘，导致更好的路由结果。本文提出的动态算法预测规划过程中每个时间步的交通状况变化，给出最优前瞻路径，并在随机模拟交通量的图上与传统的Dijkstra算法进行了比较，结果表明，该算法能更好地预测连续变化交通量下的最优路径。
2022-05-30 cs.RO cs.SY eess.SY
Kinetic-controlled hydrodynamics for traffic models with driver-assist vehicles
Department of Mathematical Sciences “G. L. Lagrange” Politecnico di Torino（都灵理工大学“G.L. 拉格朗日”数学科学系）
本文提出了一种基于驾驶员辅助车辆的分层交通流控制方法，通过动能方程推导出一阶和二阶水动力交通模型，以有效缓解速度依赖性的道路风险因素。
2019-02-13 cs.NA math.NA math.OC
Smoothing Mixed Traffic with Robust Data-driven Predictive Control for Connected and Autonomous Vehicles
针对 DeeP-LCC 对头车未来速度误差作零假设导致的安全与交通平滑性能限制，提出鲁棒 DeeP-LCC，通过潜在误差轨迹安全约束、历史数据误差估计及高效在线优化提升混合交通中 CAV 控制的安全性、效率与数据效率。
2023-09-30 cs.SY eess.SY 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
Leading Cruise Control in Mixed Traffic Flow
车对车（V2V）通信在改善交通系统性能方面具有巨大潜力。现有的联网自动驾驶汽车（CAV）的研究大多集中在对下游交通状况的适应上，忽略了CAV的行为对上游交通流的影响。在本文中，我们引入了领先巡航控制（LCC）的概念，保留了基本的汽车跟随操作，并明确考虑了CAV的行动对后面的车辆的影响。我们首先提出了一个详细的建模过程LCC。然后，严格的可控性分析验证了利用CAV作为领导者的可行性，积极引导其后续车辆的运动。此外，在充分利用V2V连接性的情况下，推导了LCC的头到尾传递函数。数值研究证实了LCC在增强CAV抑制交通不稳定性和平滑交通流能力方面的潜力。
2020-07-23 cs.SY eess.SY 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
