Reinforcement Learning for Freeway Lane-Change Regulation via Connected Vehicles
Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
针对低自动驾驶渗透率下车道变更控制适用性受限的问题，提出基于多智能体强化学习的网联车辆高速公路车道变更调控框架，可提升交通效率并保障安全。
2026-08-11 cs.SY eess.SY
Estimation of road traffic state at a multi-lanes controlled junction
本文提出了一种在交通灯控制下的路口交通状态估计方法。我们假设混合交通，其中一部分车辆配备了通信资源。道路交通状态的估计使用由通信车辆给出的信息。我们提出的方法是建立在以前公布的方法，该方法被应用于估计的情况下，道路是由两个车道的交通。在本文中，我们考虑的情况下，道路是由三个车道，我们表明，这种解决方案可以解决一般情况下，道路是由任何数量的车道。我们假设道路交叉口的几何形状是已知的，以及它在进出车道和道路之间的连接。使用的位置数据提供的通信车辆，首先，我们估计一些主要参数，包括探测车辆的渗透率，以及车辆（配备和未配备）的到达率，每车道通过引入到车道上的分配。其次，我们给出了估计的3车道的道路的队列长度，没有和通信车辆在队列中的位置提供的额外信息。我们用数值模拟来说明和讨论所提出的模型。
2022-07-28 cs.SY eess.SY
Predictive Lane-Change and Routing Coordination in Bus-Priority Mixed Traffic Corridors
Cornell University（康奈尔大学）
本文提出一种基于路段的网络协调框架，通过预测公交保护机制和效用驱动的车道变更策略，优化混合交通走廊中车辆的车道变更与路径决策，提高公交优先级并减少拥堵。
2026-03-02 cs.SY eess.SY
Representing Lanes as Arc-length-based Parametric Curves to Facilitate Estimation in Vehicle Control
本文回顾了泰勒级数的基本数学，用函数表示和基于弧长的参数表示来逼近曲线。参数表示在坐标变换和参数移动中保持其形式。这些简化可以显著地促进车辆控制中的车道估计，因为由摄像机感知的车道通常表示在平移和旋转的车身固定框架中。然后推导了从函数表示到基于弧长的参数表示及其逆表示的变换。我们将这种变换应用于车辆控制问题中的车道线估计，并推导出可用于预测的参数表示系数的演化。我们提出了一个程序来模拟整个过程的感知，车道估计和控制的路径跟踪问题。仿真结果表明，所提出的车道估计算法，使用参数表示的有效性。结果表明，所提出的技术，确保车辆控制可以实现相当好的性能在非常低的感知更新率。
2022-06-09 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
Decentralized Vehicle Coordination and Lane Switching without Switching of Controllers
本文提出一种基于高阶控制屏障函数和Lyapunov函数的分散式控制器，通过协调函数实现无需控制器切换的安全变道与碰撞避免。
2023-05-08 cs.SY eess.SY
Lane-Change in Dense Traffic with Model Predictive Control and Neural Networks
本文针对密集交通中车间距狭窄的换道难题，提出融合MPC与GAN的两阶段控制框架，并引入自适应安全边界和卡尔曼滤波，仿真验证了其有效性、舒适性与安全性。
2024-03-28 cs.SY eess.SY
Safety-Critical Lane-Change Control for CAV Platoons in Mixed Autonomy Traffic Using Control Barrier Functions
针对CAV车队在变道场景下的安全问题，提出一种基于CBFs和CLFs的双层安全关键控制方法，实现纵向与横向安全控制，并在四个场景仿真中验证了有效性。
2023-02-01 cs.SY eess.SY
Linear-Quadratic regulators for internal boundary control of lane-free automated vehicle traffic
由于各种潜在的优点，最近已经提出了用于连接的自动车辆（CAV）的无车道车辆运动。一个这样的优点源于这样的事实，即在无车道交通中道路宽度的增量变化导致交通流容量的相应增量变化。基于这一特性，最近引入了内部边界控制的概念，以实时灵活地在高速公路的两个交通方向之间共享总道路宽度和容量，以响应当前的交通状况，从而最大限度地提高交叉路（两个方向）基础设施的利用率。为了有效地解决内边界控制问题，本文提出了基于反馈的带或不带积分作用的线性二次型调节器（LQI和LQ调节器）。仿真研究，涉及一个现实的高速公路延伸和不同的需求情况下，表明所提出的简单的调节器是强大的，同样有效的开环非线性约束最优控制解决方案，同时规避了需要准确的建模和外部需求预测
2021-05-28 cs.SY eess.SY
A Probabilistic Approach to Driver Assistance for Delay Reduction at Congested Highway Lane Drops
本文提出了一种基于概率预测模型的车载预警系统，该系统可以为车辆提供关于即将到来的车道下降何时变道的建议。使用几个与交通和驾驶员相关的参数，例如车辆间车头时距的分布，预测模型计算利用一个或多个车道变化成功到达道路上的目标位置的可能性。当接近车道下降时，车载系统将当前车辆状况投射到未来，并使用模型来持续估计在到达车道尽头之前改变车道的成功概率，并在该概率下降到特定阈值以下时建议驾驶员或自动驾驶车辆开始车道改变操纵。在一个模拟案例研究中，所提出的系统被用在一段I-81州际公路上，两个车道下降-从四车道过渡到两车道-建议车辆避免车道下降。结果表明，该系统可以减少平均延误高达50%，最大延误高达33%，这取决于交通流量和车辆的比例配备了预警系统。
2021-01-17 cs.SY eess.SY
A Negotiation-based Right-of-way Assignment Strategy to Ensure Traffic Safety and Efficiency in Lane Change
人们普遍认为，验证自动驾驶策略的安全性需要大量的模拟测试和道路测试。近年来，以责任敏感安全（Responsibility-Sensitive Safety，RSS）为代表的正式安全方法鼓励了低成本的自动驾驶安全研究，得益于其对安全的准确评估和明确的责任划分。然而，如何在保证安全的同时保持交通效率，仍然是一个挑战。为了解决这个问题，本文提出了一个公式化的基于协商的换道策略，使安全和效率之间的权衡。理论分析和数值实验结果均表明，与RSS相比，该策略在保证安全的前提下，能够显著提高车辆换道的成功率。
2021-03-08 cs.SY eess.SY
Stability and Equilibrium Analysis of Laneless Traffic with Local Control Laws
Indian Institute of Technology Bombay（印度理工学院孟买分校）
本文提出了一种新的多车道交通模型，其中车辆不遵循车道纪律。通过将动态分解为两个独立方向：Y轴表示运动方向，X轴表示横向或垂直于运动方向的方向，利用不同的影响图来建模车辆在这些方向上的相互作用。每个车辆在X和Y方向的瞬时加速度根据这些影响图依赖于邻近车辆的测量值。分析了在常规交通情况（如稳态流、障碍物、变道和随机改变位置的违规司机）下车辆编队的稳定性和平衡间距。推导了在这些交通事件中保持稳定性和所需车辆间距的条件，并包含了一些场景的模拟。
2015-07-30 cs.SY eess.SY
Situation-Aware Feedback-Predictive Control Framework for Lane-Less Dense Traffic
本文提出一种面向无车道密集交通的混合控制框架，结合360度区域感知模块和双层控制策略，通过制动距离和转向动力学计算参考速度，利用邻近车辆的空间分布跟踪虚拟最优车道，并通过多项成本函数选择最可行轨迹，验证了框架在复杂无结构交通中的鲁棒性和适应性。
2026-04-14 cs.SY eess.SY
Distributed Traffic Signal Control of Interconnected Intersections: A Two-Lane Traffic Network Model
本文提出了一种双车道交通网络模型，结合分布式MPC和ADMM，通过优化绿色时间分配提升交通效率和实时性能。
2025-12-06 cs.SY eess.SY nlin.AO
In-depth Analysis of Durations of Discretionary Lane Changes on Freeway Under Varying Traffic Conditions
基于丰富的数据集，研究高速公路自主换道持续时间的特征。基于车辆类型、LC方向和导航速度对LC持续时间进行了综合分析。结果表明，重型车辆完成LC机动所需的时间较长。LC方向显著影响客车的持续时间，但对重型车辆没有显著影响。航行速度对LC持续时间有重要影响。然而，根据车辆类型和LC方向，它具有不同的影响。进一步分析不同阶段的LC持续时间表明，乘用车驾驶员在向不同方向变道时可能会使用不同的策略来执行LC。然而，两个方向的重型车辆司机占用目标车道的时间较少。研究结果有助于理解LC过程的机理以及LC对交通流的影响。
2022-03-12 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
Learning Generalizable Multi-Lane Mixed-Autonomy Behaviors in Single Lane Representations of Traffic
强化学习技术可以为未来自动驾驶系统的期望行为提供实质性的见解。通过优化交通的社会度量，例如增加的吞吐量和减少的能量消耗，这样的方法可以导出机动，如果被甚至一小部分车辆采用，则可以显著改善所有涉及的车辆的交通状态。然而，这些方法在实践中受到设计高效和准确的流量模型的困难以及与优化数十个交互代理的行为相关的挑战的阻碍。为了应对这些挑战，本文处理的问题，学习概括的交通控制策略，在简单的表示车辆驾驶动态。特别是，我们期待混合自治环路的不稳定性，导致拥堵的形成。在这个问题中，我们设计了一个课程学习范式，利用网络的自然可扩展性，有效地学习行为，减少长期的拥塞。接下来，我们研究了模型车道变换的政策的可转移性的影响。我们的研究结果表明，在更复杂的系统中引入甚至近似匹配趋势的车道变换行为可以显着提高后续学习模型的泛化能力，以更准确的多车道交通模型。
2021-12-31 cs.MA cs.SY eess.SY
Optimal merging from an on-ramp into a high-speed lane dedicated to connected autonomous vehicles
本文提出新的合并标准，仅考虑在车组之间形成间隙的合并，以减少流量干扰，并通过模拟确定最优合并位置，以最小化高速车道的行程时间。
2018-09-04 cs.SY eess.SY physics.soc-ph
Formation Control with Lane Preference for Connected and Automated Vehicles in Multi-lane Scenarios
Tsinghua University（清华大学）；Intel Lab China（英特尔中国研究院）
多车道道路是现实交通系统中的典型场景。车辆通常根据其路线和目的地对车道有偏好。现有的研究很少考虑控制车辆在其期望的车道上行驶的问题。提出了一种考虑不同车道上车辆偏好的编队控制方法。采用双层编队控制框架规划车辆的无碰撞运动，上层进行相对目标分配和路径规划，下层进行轨迹规划和跟踪。将考虑车道偏好的无碰撞多车辆路径规划问题解耦为两个子问题：计算费用不减的分配表和根据给定的分配结果规划无碰撞路径。根据给定的分配结果，采用基于启发式搜索的方法规划车辆的无碰撞路径。进行了案例研究，并进行了模拟在一个三车道的道路场景。结果表明，所提出的形成控制方法显着减少拥挤，提高交通效率，在高交通量相比，基于规则的方法。
2021-06-18 cs.RO cs.SY eess.SY
Robust Vehicle Lane Keeping Control with Networked Proactive Adaptation
道路条件是自主车辆控制的重要环境因素。道路状况从标称状态的急剧变化是可能导致系统故障的不确定性的来源。一旦车辆遇到不确定的环境，如撞上冰面，再减速就来不及了，车辆可能会失去控制。为了提前应对未来的不确定性，我们研究了一种主动鲁棒自适应控制架构，用于自动驾驶车辆的车道保持控制问题。数据中心通过时空过滤器将天气预报和匿名车辆的测量结果结合起来，生成先验环境不确定性估计。先验估计有助于设计鲁棒的航向控制器和标称纵向速度，以主动适应每个新的异常条件。然后，基于后验信息融合的控制参数更新的车载测量。
2020-09-28 cs.SY eess.SY
Charging While Driving Lanes: A Boon to Electric Vehicle Owners or a Disruption to Traffic Flow
研究探讨了行驶中充电车道对交通流和排放的影响，发现其虽促进电动车普及但可能降低交通效率，需谨慎设计与政策考量。
2025-04-19 cs.ET cs.SY eess.SY
Experimental Validation of Multi-lane Formation Control for Connected and Automated Vehicles in Multiple Scenarios
已经提出了连接和自动化车辆的编队控制方法，以在不同场景中平滑地切换车辆编队的结构。在以往的研究中，通常通过仿真来验证编队控制方法的性能。本文介绍了实验结果的多车道形成控制连接和自动化车辆。介绍了协调编队控制的框架和针对不同场景的具体方法。详细介绍了实验平台和整车控制策略。在不同场景下进行仿真和实验，结果表明，该编队控制方法适用于多种交通场景，与基准方法相比，能够提高编队结构切换效率。
2021-12-01 cs.SY eess.SY
Highway Discretionary Lane-change Decision and Control Using Model Predictive Control
本文提出一种基于模型预测控制的高速公路自主变道决策与控制方法，结合LSTM预测周围车辆轨迹，并在驾驶模拟器中验证了其在随机交通流下的有效性。
2024-04-03 cs.SY eess.SY
Decentralized Optimal Control in Multi-lane Merging for Connected and Automated Vehicles
我们解决的问题，最佳控制连接和自动驾驶汽车（CAV）从两个多车道的道路到达并合并在多个点，其目标是共同最大限度地减少旅行时间和能源消耗的每个CAV受到速度依赖的安全约束，以及速度和加速度的限制。这个问题在两条单车道道路的先前工作中得到了解决。直接扩展到多车道的道路是有限的，所需的计算复杂性，以获得一个明确的最优控制解决方案。相反，我们提出了一个通用的框架，将多车道合并问题转化为一个分散的最优控制问题，为每个CAV在一个不太保守的方式。为了实现这一点，我们采用了联合最优控制和障碍函数的方法，有效地得到一个最优控制，为每个CAV的所有约束的保证满意。仿真例子包括比较所提出的框架的性能，由人类驾驶的车辆提供的基线与结果显示显着改善的时间和能源指标。
2020-05-30 cs.SY eess.SY
Impact and Implementation of Reserved Lanes for Automated Driving on Signalized Urban Arterials
自动车辆是指能够在不受人类驾驶员影响的情况下在道路设施上实现安全移动的车辆。在过去的十年中，随着互联车辆概念的兴起，已经提出了许多基于自动车辆的交叉口控制的最先进的应用。本研究的主要目的是估计和评估自动驾驶车辆的专用车道的影响，并建议一些可行的车道配置方案的信号控制的城市干道。在PTV Vissim软件中采用随机驱动的控制策略对自动驾驶进行了仿真。通过微观仿真的概念评估显示显着的流动性改善相比，没有车道预留的操作方案。研究结果表明，在这项研究中观察到的信号走廊，总旅行时间减少的范围从5.1%到19.4%，这取决于C/AV市场渗透率和测试台配置参数。
2020-08-01 cs.SY eess.SY
Negotiating Highway Interchange Traffic with a Decentralized Instability-Driven CBF-based Algorithm
本文提出了一种去中心化不稳定性驱动的CBF算法，用于高效处理高速公路交汇车道的换道问题，通过控制器调节和不稳定性速度优化车辆群的性能。
2025-11-30 cs.SY eess.SY
A Prioritized Trajectory Planning Algorithm for Connected and Automated Vehicle Mandatory Lane Changes
我们介绍了一个优先系统优化算法的强制变道（MLC）的连接和自动驾驶汽车（CAV）从专用车道的行为。我们的方法适用于合作的车道变化，优先的车道变化车辆的决定，更接近年底的发散区（DZ），并优化预测的总系统行程时间。我们的实验合成数据表明，该算法提高了交通网络的效率，获得更高的速度在专用车道和更早的MLC位置，同时确保了较低的计算时间。我们的方法优于传统的差距接受模型。
2021-04-21 cs.RO cs.SY eess.SY
Formation Control for Connected and Automated Vehicles on Multi-lane Roads: Relative Motion Planning and Conflict Resolution
多车协调决策与控制可以在保证行车安全的同时提高交通效率。编队控制是一种典型的多车道多车协调方法。在现有的编队控制方法中，编队切换过程是预定义的，没有考虑车辆的无碰撞行为，并详细解释。提出了一种多车道道路上多辆互联自动驾驶汽车（CAV）的编队控制方法。首先，提出了一个双层规划框架，可以在不同场景下顺利有效地切换队形结构。其次，在上层建立相对坐标系，规划无冲突的相对路径;然后，多阶段的轨迹规划和跟踪建模和解决的最优控制问题的路径约束在较低的水平。最后通过案例分析验证了该方法在不同场景下的有效性。最后，对不同交通量下的车道下降瓶颈场景进行了仿真，结果表明，该方法在高交通量下能同时提高交通效率和燃油经济性。
2021-04-30 cs.SY eess.SY
Cooperative and Interaction-aware Driver Model for Lane Change Maneuver
针对无信号规则的换道交互问题，提出基于真实驾驶数据、以MDP和随机动态规划实现的协作式交互感知决策算法，并验证其安全、舒适且可适应不同驾驶风格。
2024-03-04 cs.SY eess.SY
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
Robust Optimal Lane-changing Control for Connected Autonomous Vehicles in Mixed Traffic
针对混合交通中CAV换道受HDV干扰的问题，提出结合CAV协作、双层优化与IBR方法、CBF的鲁棒最优换道控制策略，仿真验证了其在成本、安全和交通干扰方面的有效性。
2024-03-15 cs.SY eess.SY
Freeway Lane Management Approach in Mixed Traffic Environment with Connected Autonomous Vehicles
University of South Florida（南佛罗里达大学）
本文提出分析模型评估混合交通环境下的自由流流量，并确定分配给自动驾驶车辆的最优车道数，通过不同操作环境和技术场景分析自动驾驶车辆渗透率对交通容量的影响。
2016-11-30 cs.SY eess.SY math.OC
A Natural Lane Changing Decision Model For Mixed Traffic Flow Based On Extreme Value Theory
针对高速公路安全问题，基于极值理论提出了一种面向混合交通流的CAV自然换道决策模型，通过建模换道概率最大值并开展仿真，有效规避了交通风险并显著提升了交通效率与安全性。
2023-08-04 cs.SY eess.SY physics.soc-ph
Lane Departure Prediction Based on Closed-Loop Vehicle Dynamics
Institute of Power Machinery and Vehicular Engineering, College of Energy Engineering, Zhejiang University（浙江大学能源工程学院动力机械及车辆工程研究所）
自动驾驶系统应该能够监督自己的性能，并在必要时请求人类驾驶员接管。在车道保持场景中，车辆未来轨迹的预测是实现安全可信的自动驾驶的关键。以往对车辆轨迹预测的研究主要分为两类，即基于物理的方法和基于机动的方法。利用基于物理的方法，提出了一种基于闭环车辆动力学模型的车道偏离预测算法。我们使用扩展的卡尔曼滤波器来估计当前车辆状态的传感模块的输出的基础上。然后，卡尔曼预测器与实际的车道保持控制律被用来预测未来的转向动作和车辆状态。车道偏离评估模块评估车辆拐角位置的概率分布，并决定是否发起人工接管请求。仿真试验初步验证了该预测算法能够较好地描述未来车辆位姿的随机特性。最后，通过15 ~ 50 km/h的道路试验进一步验证了该方法的有效性。它可能是自动车道保持功能的车道偏离风险评估的一个有前途的解决方案。
2022-02-12 cs.RO cs.SY eess.SY
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
Introducing the transitional autonomous vehicle lane-changing dataset: Empirical Experiments
本研究介绍了NC-tALC数据集，用于研究过渡自主车辆在强制变道场景中的决策与交互动态，通过高精度轨迹数据支持实证分析。
2026-03-05 cs.RO cs.SY eess.SY
A Unified Toll Lane Framework for Autonomous and High-Occupancy Vehicles in Interactive Mixed Autonomy
本文提出一种统一收费车道框架，通过引入“移动度”概念分析自动驾驶与高乘载车辆混合交通流的车道选择均衡，并提出减少总延迟的收费算法，为交通管理及自动驾驶融入提供见解。
2024-03-20 cs.GT cs.SY eess.SY
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
Managing connected and automated vehicles with flexible routing at "lane-allocation-free'' intersections
在文献中，研究了全自动车辆（CAV）环境下孤立的“无信号”交叉口和“无信号”走廊中的互联和自动车辆（CAV）的轨迹规划和协调。现有的研究大多是基于对进、出口车道的定义。车辆通过交叉口的路线是根据其运动确定的。也就是说，只包括原产地和目的地武器。本文提出了一种混合整数线性规划（MILP）模型来优化无车道分配的孤立"无信号"交叉口的车辆轨迹，称为"无车道分配"（LAF）控制。每条车道都可以用作所有车辆运动（包括左转、直行和右转）的进近和退出车道。车辆可以通过多个臂采取灵活的路线通过交叉口。这样，时空资源有望得到充分利用。车辆轨迹之间的相互作用，明确地在微观层次上建模。车辆路线和轨迹（即，车辆跟随和换道行为）在一个统一的框架中进行优化，以使系统在总车辆延迟方面达到最优。考虑到不同的交通条件下，规划地平线自适应调整所提出的模型的实施过程中，使解决方案的可行性和计算负担之间的平衡。数值研究验证了所提出的LAF控制的优势，在车辆延误和吞吐量与不同的需求结构和时间安全差距。
2020-08-24 cs.SY eess.SY math.OC
Facilitating Cooperative and Distributed Multi-Vehicle Lane Change Maneuvers
Department of Mechanical Engineering, University of California-Berkeley, Berkeley, CA 94703 USA（加州大学伯克利分校机械工程系）
针对联网自动驾驶车辆多车变道被动且机会主义的问题，提出基于促进者角色的分布式协调方法，利用分布式MPC路径规划器和协调算法主动协作修改环境，仿真证明其显著提升了多车变道可行性。
2023-03-03 cs.RO cs.SY eess.SY
Investigating Lane-Free Traffic with a Dynamic Driving Simulator
Technical University of Munich（慕尼黑工业大学）
本文提出面向无车道交通（LFT）的驾驶模拟概念框架与场景矩阵，以研究人类行为、感知安全性及对LFT的接受度。
2023-11-05 cs.RO cs.SY eess.SY
Neural-Attention-Based Deep Learning Architectures for Modeling Traffic Dynamics on Lane Graphs
University of California, Berkeley（加州大学伯克利分校）；Leibniz Universität Hannover（莱布尼茨汉诺威大学）
本文提出了一种基于神经注意力的深度学习架构，用于建模车道图上的交通动态，通过显式编码车道间的关系类型来提高预测性能，并展示了该模型在复杂道路网络中的迁移能力。
2019-07-14 cs.LG cs.SY eess.SY
Lane-free Artificial-Fluid Concept for Vehicular Traffic
Technical University of Crete（克里特技术大学）；National Technical University of Athens（雅典国立技术大学）
本文提出了一种新的车辆交通范式，结合了无车道交通和车辆推动原则，通过通信或传感器远程推动前方车辆，从而实现更安全、更高效的交通流，首次实现了对未来自动驾驶车辆交通流的主动设计。
2019-05-28 cs.SY eess.SY nlin.AO
Controlled Experiments on Lane Changing by Transitional Autonomous Vehicle: Dataset and Behavioral Insights
North Carolina State University（北卡罗来纳州立大学）
本研究通过公共道路控制实验构建了NC-tALC数据集，刻画过渡自动驾驶车辆的强制变道行为，揭示其变道过程中的车距演变与碰撞风险规律，为相关评估与验证提供实证基准。
2026-08-07 cs.RO cs.SY eess.SY
Stationary states in two lane traffic: insights from kinetic theory
在Ben-Naim Krapivsky模型的框架下，建立了双车道公路上稀相非均质交通流的动力学模型，并在渐近极限下解析推导了稳态特性。异质性被引入作为车辆的期望速度中的淬火无序。该模型假设车道上的每辆车/车队都以弹道方式移动，直到接近缓慢移动的车辆/车队，然后加入其中，并假设车队中的车辆通过改变车道以恒定的速度逃离车队。假设每条车道都有不同的逃逸率。当接近稳态时，两车道的车队密度趋于相等，而逃逸率较低的车道的车辆密度和流量较高。如果车道逃逸率的调和平均值与道路上的平均初始流量相当，则大多数车辆都可以自由流动。在自由流状态下，平均队列大小接近于1。如果调和平均值低于平均初始流量，则具有低于特征速度$v^*$的期望速度的车辆仍然享受自由流动，而具有大于$v^*$的期望速度的那些车辆经历拥堵并且在较慢的车辆后面形成队列。特征速度取决于两个车道（由1和-1表示）的逃逸时间$(R=(R_1+R_{-1})/2)$的平均值为$v^* \sim R^{-\frac{1}{μ+2}}$，其中$μ$是在小速度限制中期望速度的淬火无序分布的指数。当$v^* \ll 1$时，车道中的平均车队规模与$R^{\frac{μ+1}{μ+2}}$加上车道相关修正成比例。还研究了双车道交通的车队规模分布的动力学方程。结果表明，只有当平均逃逸率与车队规模无关时，才能出现车队与道路长度一样大的稳态。
2022-06-07 cs.SY eess.SY physics.soc-ph
Energy-Aware Lane Planning for Connected Electric Vehicles in Urban Traffic: Design and Vehicle-in-the-Loop Validation
Department of Mechanical Engineering, UC Berkeley（机械工程系，伯克利大学）；Department of Civil Engineering, UC Berkeley（土木工程系，伯克利大学）；Zoox, Inc.（Zoox公司）
本文提出了一种基于V2I通信的能耗感知运动规划框架，通过联合优化纵向速度和横向车道变更决策，实现城市交通中能耗降低24%的显著效果。
2025-12-07 cs.RO cs.SY eess.SY
Exploration of lane-changing duration for heavy vehicles and passenger cars: a survival analysis approach
Tongji University（同济大学）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
车道变换（LC）行为描述了车辆在前进时从当前车道到目标车道的横向移动。在众多的研究方向中，LC持续时间（LCD）度量车辆从当前车道行驶到目标车道所花费的总时间，是表征LC行为不可或缺的指标。虽然现有的研究已经取得了一定的成果，但对重型汽车液晶显示器的研究较少。因此，本文旨在进一步探讨重型汽车和客车之间的液晶显示器。LC轨迹是从新发布的HighD数据集中提取的，该数据集包含16.5小时的测量和超过11，000辆汽车。估算了液晶显示器的生存函数，分析了其特性。随后，引入加速失效时间模型来探讨影响因素。结果表明，客车和重型车的MST值分别为5.51s和6.08s。重型车辆在执行LC时，与前车保持较长的时距和时距。然而，这两个因素并没有显着影响重型车辆的液晶显示器。最后，对结果和建模意义进行了讨论。希望本文的研究能为我们进一步了解重型汽车和乘用车的LC行为做出贡献。
2021-08-08 cs.PF cs.RO cs.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
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
Optimized dynamic scheduling of an exclusive bus lane or high occupancy vehicle lane in a bimodal traffic corridor
该研究针对私家车与公交车构成的双模式走廊，联合优化车道政策、公交频率与方式划分均衡，并基于O-U需求过程设计动态切换阈值，显著降低系统总成本。
2025-09-30 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
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
Time and Energy-Optimal Lane Change Maneuvers for Cooperating Connected Automated Vehicles
Boston University（波士顿大学）；Honda R&D Americas, Inc.（本田研发美洲公司）
本文研究了协同自动驾驶车辆在高速公路变道 maneuver 中的时间和能耗最优控制策略，通过证明最优策略的结构性质，简化了求解过程，并提供了分析最优控制表达式。仿真结果展示了所提方法的有效性及相较于人工驾驶车辆的显著性能提升。
2019-11-30 cs.CY cs.SY eess.SY
Vision-Based Lane Following and Traffic Sign Recognition for Resource-Constrained Autonomous Vehicles
Central Michigan University（中央密歇根大学）
本文提出轻量级视觉框架，用于嵌入式自动驾驶车辆的车道检测、跟踪和交通标志识别，通过高效算法实现实时性能与高精度车道跟踪。
2026-04-23 cs.CV cs.SY eess.SY
