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
Mixed platoon control of automated and human-driven vehicles at a signalized intersection: dynamical analysis and optimal control
互联和自动驾驶汽车（CAV）的出现为未来的交通系统提供了更好的交通流动性。现有的研究主要集中在全自动场景，而CAV控制在混合交通路口的潜力，人类驾驶车辆（HDV）也存在探索较少。提出了由1辆CAV和n辆HDV组成的“1+n”混合车队的概念，建立了基于车队的信号交叉口CAV控制最优控制框架。基于线性化的“1+n”混合队列动力学模型，对混合队列的稳定性和可控性等基本性质进行了严格的理论分析。在此基础上，建立了约束最优控制框架，旨在通过对CAV的直接控制来提高交叉口的整体交通效率和燃油消耗。设计了一种分层事件触发算法，实现了临近交叉口混排间的最优控制方法。在多种交通量和市场渗透率下的大量数值模拟验证了基于混合编队的方法比传统的单CAV轨迹最优化方法具有更大的效益。
2021-04-23 cs.SY eess.SY math.OC
Securing Signal-free Intersections against Strategic Jamming Attacks: A Macroscopic Approach
我们考虑在面对战略干扰攻击时，连接和自动驾驶车辆的无信号交叉口的设计安全性。我们使用流体模型来表征宏观交通流通过交叉口，其中的饱和率来自车辆协调算法。我们将干扰攻击建模为车辆到基础设施连接引起的通信延迟突然增加;这种延迟触发车辆协调的安全模式，从而降低交叉口饱和率。战略攻击者选择攻击速率，而系统操作员选择关键设计参数，饱和速率或恢复速率。两个参与者的行为会导致技术成本，并共同决定平均行程延误。通过对安全博弈均衡的分析，研究了交叉口名义排放能力或恢复能力的最优投资水平。
2022-09-19 cs.SY eess.SY math.OC
Time-Optimal Coordination for Connected and Automated Vehicles at Adjacent Intersections
在本文中，我们提供了一个分层的协调框架连接和自动驾驶车辆（CAV）在两个相邻的交叉口。该框架由上层调度问题和下层最优控制问题组成。通过将两个相邻的交叉口周围的区域划分为不同的区域，我们制定了一个调度问题，为每个单独的CAV，旨在最大限度地减少其总旅行时间。对于每一个CAV，上层问题的解决方案指定在其路径上的每个区域的到达时间，成为低层问题的输入。低层问题的解决方案产生的最优控制输入（加速/减速）的每一个CAV退出交叉口在指定的时间在上层调度问题。我们通过大量的数值模拟和信号交叉口，集中式调度，FIFO排队政策的比较，我们提出的分层框架的性能进行验证。
2021-10-24 cs.MA math.OC
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
A Semi-Distributed Interior Point Algorithm for Optimal Coordination of Automated Vehicles at Intersections
在本文中，我们考虑的最优协调自动车辆在交叉口下固定的交叉顺序。我们制定的问题，使用直接最优控制和利用的结构，构建一个半分布式的原始-对偶邻域点算法来解决它的并行化大部分的计算。与标准的分布式优化算法不同，其中优化问题是分裂的，在我们的方法中，我们分裂了线性代数步骤，使得算法采取与完全集中式算法相同的步骤，同时仍然以分布式方式执行计算。我们分析了该算法的通信需求，并提出了一个近似方案，可以显着减少数据交换。我们证明了该算法的有效性，在硬，但现实的情况下，这表明，近似导致减少通信数据的几乎99%的确切配方，在小于1%的次优性为代价。
2021-11-19 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
Future-Focused Control Barrier Functions for Autonomous Vehicle Control
在本文中，我们介绍了一类未来为重点的控制障碍函数（ff-CBF），旨在改善传统的近视CBF为基础的控制设计和研究其有效性的背景下，一个无信号的四路交叉路口交叉问题的集合通信和非通信自动驾驶车辆。我们的新的ff-CBF编码，车辆采取控制行动，避免碰撞预测下的零加速政策在一个任意长的未来时间间隔。从这个意义上说，ff-CBF定义了一个虚拟的障碍，我们提出了一个放松的未来为重点的CBF（rff-CBF）的形式，允许放松的虚拟ff-CBF障碍远离车辆之间的物理障碍的放松。我们研究的性能ff-CBF和rff-CBF控制器的通信车辆通过一系列的模拟试验的交叉口的情况下，特别强调如何rff-CBF为基础的控制器经验优于基准控制器从文献中提高交叉口的吞吐量，同时保持安全性和可行性。最后，我们证明了我们提出的ff-CBF控制律交叉口的情况下，在实验室环境中收集的5个非通信AION地面漫游车。
2022-10-03 cs.SY eess.SY math.OC
A Stochastic Model Predictive Control Approach for Driver-Aided Intersection Crossing With Uncertain Driver Time Delay
Ford Research & Innovation Center（福特研究与创新中心）
本文提出了一种随机模型预测控制方法，用于协调无交通信号灯或标志的自动驾驶车辆在交叉口的行驶，通过优化场景来保证约束条件的满足，避免碰撞。
2019-03-29 cs.SY eess.SY math.OC
Cooperative Autonomous Vehicle Speed Optimization near Signalized Intersections
城市环境中的道路拥堵，特别是信号交叉口附近的道路拥堵，是造成大量燃料和时间浪费的主要原因。已经提出了各种解决方案来解决信号交叉口处车辆的怠速时间和停车次数增加的问题，从基础设施到基于车辆的技术。然而，为解决该问题而引入的所有解决方案都从单个车辆的角度来处理该问题。本研究提出一个以最小化信号交叉口停车次数与空转次数为目标的合作式速度最佳化架构。该框架由三个模块组成，涵盖个人自主车辆的速度优化;冲突识别;和合作的速度决策。通过所提出的框架引入了时间令牌分配算法，以允许车辆合作并同意某些速度动作，从而使平均怠速时间和停车次数最小化。模拟测试和验证所提出的框架进行和结果报告。
2018-03-28 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
Capacity Analysis of Intersections When CAVs Crossing in a Collaborative and Lane-Free Order
与人类驾驶员的信号交叉路口相比，互联和自动驾驶车辆（CAV）通过无车道顺序交叉路口来提高交叉路口的吞吐量。然而，量化这种改进具有挑战性，因为现有的能力分析框架（即，传统交叉口的最大通过量）不适用于无车道交叉口。本文提出了一种新的理论框架，数值模拟和比较无车道和常规交叉口的能力。结果表明，通过无车道交叉口的最大车辆数量是最先进的最大压力和韦伯斯特算法管理的信号交叉口的七倍。灵敏度分析表明，与信号交叉口相比，无车道交叉口的通行能力随着车辆初始速度、最大允许速度和加速度的增加而提高。
2022-04-13 cs.MA cs.SY eess.SY
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
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
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
Trajectories and Platoon-forming Algorithm for Intersections with Heterogeneous Autonomous Traffic
针对异构自动驾驶车辆的交叉口管控问题，提出基于编队形成的准入控制系统，给出可快速计算且可解释的安全高效轨迹闭式解，并数值评估其通行能力。
2024-01-24 cs.SY eess.SY math.OC
Optimal Coordination of Platoons of Connected and Automated Vehicles at Signal-Free Intersections
在本文中，我们解决的问题，协调车队的连接和自动化车辆在无信号交叉口。我们提出了一个分散的，两级的优化框架来协调车队的目标，以最小化行程延误和燃料消耗的每一个车队通过交叉口。在上层，每个排推导出最优的时间表进入交叉口。在低级中，排导出它们的最优控制输入（加速度/减速度），用于在高级中导出的最优调度。我们验证了所提出的框架在模拟的有效性，并显示出显着的改善，无论是在行程延迟和燃料消耗相比，在十字路口的固定时间的交通信号的基线方案。
2021-07-11 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
A Graph-based Conflict-free Cooperation Method for Intelligent Electric Vehicles at Unsignalized Intersections
电动化、智能化、网联化是汽车未来最重要的发展方向。智能电动汽车在改善交通流动性和减少排放方面显示出巨大的潜力，特别是在无信号交叉口。以往的研究表明，车辆通行秩序是改善交通流动性的关键因素。本文提出了一种基于图的协作方法，对无信号交叉口的无冲突调度问题进行了形式化描述。首先，建立冲突有向图和共存无向图来描述车辆之间的冲突关系。在此基础上，提出了两种基于图的车辆通行顺序求解方法。一种方法是优化的深度优先生成树方法，其目的是找到每个车辆的局部最优通过顺序。另一种方法是解决全局最优问题的最大匹配算法。推导了两种方法的计算复杂性。数值模拟结果验证了所提算法的有效性。
2021-04-09 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
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
Cooperation Method of Connected and Automated Vehicles at Unsignalized Intersections: Lane Changing and Arrival Scheduling
互联和自动驾驶车辆（CAV）的合作在提高交叉口管理的交通效率方面显示出巨大的潜力。现有的研究主要集中在禁止换道的交叉口，这是不切实际的现实生活中的实施。本文提出了一个两阶段的合作框架，这是并行的纵向和横向控制的CAV，允许他们改变到自己的首选车道。基于编队控制，首次提出了一种迭代框架来解决多通道多CAV的目标分配和路径规划问题。基于图的最小团覆盖方法，然后应用到获得的CAV的最优调度计划。针对不同车辆数和交通量的大量数值模拟验证了该算法的有效性。
2021-09-29 math.OC
Energy-Optimal Coordination of Connected and Automated Vehicles at Multiple Intersections
城市交叉口、合流道路、环形交叉口和减速区以及驾驶员对各种干扰的反应是导致交通拥堵的走廊瓶颈的主要来源。互联和自动化技术的实施可以实现一种新的实时控制计算框架，旨在优化能源消耗和旅行时间。在本文中，我们提出了一个分散的能源效率的最优控制框架，两个相邻的交叉口。我们推导出一个封闭形式的解析解，其中包括内部边界条件，并通过仿真评估解决方案的有效性。与传统的固定时间信号交叉口设计的基准方案相比，燃油消耗和旅行时间显着减少。
2019-03-26 math.OC
The Effects of Connectivity and Automation on Saturation Headway and Capacity at Signalized Intersections
本文分析了联网和自动驾驶车辆对信号交叉口饱和车头时距和通行能力的潜在影响。在Vissim中创建了一个信号交叉口作为测试平台，其中对四种车辆类型进行了建模和测试：（I）人类驾驶车辆（HV），（II）联网车辆（CV），（III）自动驾驶车辆（AV）和（IV）联网自动驾驶车辆（CAV）。根据这四种车型的不同市场渗透率定义了各种场景。与人类驾驶员相比，自动驾驶汽车被认为会更谨慎地行驶。CV和CAV应该接收有关交通信号灯未来状态的信息，并调整其速度以避免在交叉路口停车。因此，他们的运动预计将更顺利，停止次数更少。从饱和车头时距、通行能力、行程时间、延误和交叉口不同车道组的队列长度等方面研究了混合交通中这些车型的影响。Vissim开发的Python脚本代码用于提供信号控制器与CV和CAV之间的通信，以相应地调整它们的速度。研究结果表明，CV和CAV市场渗透率的提高降低了饱和车头时距，从而提高了信号交叉口的通行能力。另一方面，增加AV市场渗透率会恶化交通运营。结果还表明，最高的增加（80%）和减少（20%）的车道组容量分别观察到，在100%的CAV和100%的AV的交通流。
2022-12-20 math.OC
A Decentralized Optimal Control Framework for Connected Automated Vehicles at Urban Intersections with Dynamic Resequencing
早期的工作已经建立了一个分散的框架，以最佳地控制连接自动车辆（CAV）通过城市交叉口，而不使用明确的交通信号，同时遵循严格的先进先出（FIFO）排队结构。所提出的解决方案最大限度地减少能源消耗的FIFO为基础的吞吐量最大化的要求。在本文中，我们扩展的解决方案，考虑到不对称的交叉口，通过放松FIFO的约束，并包括一个动态的重新排序过程，以最大限度地提高交通吞吐量。为了研究吞吐量最大化和能量最小化目标之间的权衡，我们利用了几个替代问题的配方。此外，分析了重排序过程的计算复杂性，并证明了其有界性，使得在线实现在计算上是可行的。通过仿真说明了动态重排序过程在吞吐量最大化方面的有效性
2018-09-01 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
A Decentralized Energy-Optimal Control Framework for Connected Automated Vehicles at Signal-Free Intersections
我们解决的问题，最佳控制连接和自动驾驶车辆（CAV）穿越城市交叉口没有任何明确的交通信号，以尽量减少能源消耗的吞吐量最大化的要求。我们表明，吞吐量最大化问题的解决方案只依赖于硬安全约束CAV和它的结构，使一个分散的最优控制问题制定能量最小化。我们提出了一个完整的分析解决方案，这些分散的问题，并得出条件下，满足所有安全约束的可行解总是存在的。所提出的解决方案的有效性说明通过模拟，它显示了大量的双重好处的建议分散的框架，允许CAV保存的势头和燃料，同时也提高了旅行时间。
2018-03-31 math.OC
An Optimal Coordination Framework for Connected and Automated Vehicles in two Interconnected Intersections
在本文中，我们提供了一个分散的最优控制框架，协调连接和自动车辆（CAV）在两个互连的交叉口。我们制定了一个控制问题，并提供了一个解决方案，可以在实时实施。该解决方案产生的安全约束下的每个CAV的最佳加/减速度在“冲突区”，有可能发生碰撞。我们的目标是最大限度地减少每架CAV的旅行时间。如果不存在这样的解，则每个CAV解决能量最优控制最优控制问题。我们通过模拟评估所提出的框架的效率的有效性。
2019-05-26 math.DS math.OC
White Phase Intersection Control through Distributed Coordination: A Mobile Controller Paradigm in a Mixed Traffic Stream
提出了一种车辆级分布式协调策略，用于控制通过信号交叉口的连接自动驾驶车辆（CAV）和连接人类驾驶车辆（CHV）的混合交通流。在新引入的白色阶段，我们使用CAV作为移动交通控制器，在此期间，CAV将协商路权，以领导一组CHV，而CHV必须跟随他们的直接前方车辆。在CAV穿透率较低的情况下，白色阶段不会被激活，车辆必须等待绿色信号。我们制定了这个问题作为一个分布式的混合整数非线性规划，并制定了一种方法，以形成一个协议，所有车辆的轨迹和信号定时参数。通过迭代过程达成轨迹协议，其中CAV基于其他车辆的共享轨迹更新其轨迹，以避免碰撞并与其他车辆共享其轨迹。此外，通过投票过程形成关于信号定时参数的协议，其中选择投票最多的可行信号定时参数。数值实验表明，所提出的方法可以有效地控制车辆运动在信号交叉口不同的CAV市场份额。在不同的CAV市场份额下，与协同轨迹和信号优化相比，白相位的引入减少了3.2%到94.06%的总延迟。此外，我们的数值结果表明，所提出的技术产生减少总延迟，从40.2% -98.9%，相比，从一个国家的实践交通信号优化软件获得的全驱动信号控制。
2022-12-12 math.OC
Cumulative Flow Diagram-Based Fixed-Time Signal Timing Optimization at Isolated Intersections Using Connected Vehicle Trajectory Data
本研究利用网联车辆轨迹数据，提出基于累积流图的孤立交叉口固定时间信号配时优化方法，通过CFD模型和多目标优化模型最小化超限排队消散时间与平均延误，并采用双层粒子群算法求解，仿真表明其优于Synchro。
2022-10-19 math.OC
Speed trajectory planning at signalized intersections using sequential convex optimization
提出了一种基于序列凸优化方法的多信号交叉口车速轨迹优化算法，该算法在已知交通信号信息的情况下，以最小燃油消耗和行程时间为目标，同时满足行驶平顺性要求.通过与动态规划的比较，验证了该方法的最优性。此外，车辆运动在转弯过程中进行了研究，因为它的燃油消耗和行程时间的显着影响。
2018-04-20 math.OC
Balancing Safety and Traffic Throughput in Cooperative Vehicle Platooning
在本文中，我们提出了一种分布式模型预测控制结构，以协调车辆队列在信号交叉口的纵向运动。我们的控制方法是合作的，我们使用车对车（V2V）的通信，以保持小的车辆间的距离，并相应地实现大的车辆吞吐量在一个十字路口。我们研究这个问题的安全性和道路吞吐量之间的权衡。特别是，我们提出了交通效率增益的吞吐量和安全性的连接排测量的信任网络中的其他车辆的预测速度曲线之间的联系。
2019-04-18 math.OC
MPC-Based Emergency Vehicle-Centered Multi-Intersection Traffic Control
本文提出了一种交通控制方案，以缓解交通拥挤的互联信号车道/道路网络。所提出的方案是以应急车辆为中心的，这意味着它为应急车辆提供了一个有效和及时的路线。在所提出的方案中，模型预测控制被用来控制入口交通流量的网络门，以及整个网络的交通灯的配置。本文考虑了两种方案：i）集中式; ii）分散式。在集中式方案中，中央单元控制整个网络。该方案提供了最优解，即使它可能无法满足大型网络的实时计算要求。在分散式方案中，每个交叉口都有自己的控制单元，它将本地信息发送到聚合器。该聚合器的主要职责是从网络上的所有控制单元以及应急车辆接收本地信息，以增强接收到的信息，并与控制单元共享。由于分散式方案中的决策是局部的，并且聚合器应该在需要很长时间的业务周期期间完成上述任务，因此分散式方案适用于大型网络，即使它可能提供次最优解。进行了广泛的仿真研究，以验证所提出的计划，并评估其性能。值得注意的是，所获得的结果表明，紧急车辆的行驶时间可以减少到~50%，通过使用集中式方案和~30%，通过使用分散式方案，而不会造成其他车道的拥堵。
2022-04-11 math.OC
