Distributed Optimization for Traffic Light Control and Connected Automated Vehicle Coordination in Mixed-Traffic Intersections
针对混合交通交叉口信号灯与网联自动驾驶车辆（CAVs）协同问题，提出基于优化的控制框架及惩罚增强型最大块改进分布式算法，在温和条件下获集中式问题可行逐人最优解，仿真验证不同场景性能。
2024-12-03 cs.SY eess.SY
Simulation Comparisons of Vehicle-based and Phase-based Traffic Control for Autonomous Vehicles at Isolated Intersections
随着自动驾驶技术的出现，交叉口的交通控制有望经历革命性的变化。现有文献中提出了各种新颖的交叉口控制方法，大致可以分为两大类：基于车辆的交通控制和基于相位的交通控制。基于相位的交通控制可以被视为当前交叉口信号控制的更新版本，并结合自主车辆功能的性能。与此同时，基于车辆的交通控制利用一些全新的方法，主要是以实时的方式，在交叉口组织交通，以安全和有效的车辆通行。然而，迄今为止，还没有对这两种控制类别进行系统的比较，以表明它们的优缺点。本文进行了一系列的数值模拟下，各种交通情况下，他们的性能进行公平的比较。具体来说，我们允许在基于相位的交通控制下对进入车辆进行轨迹调整，而对于基于车辆的交通控制，我们实施了两种策略，即，先到先服务策略和基于冲突点的滚动优化策略。总体而言，仿真结果表明，基于车辆的交通控制通常会引起一个可以忽略不计的延迟时，交通需求低，但导致过多的排队时间，交通量变得高。然而，基于车辆的交通控制的性能可以受益于冲突车辆对的减少。我们还发现，当自动驾驶技术不成熟时，基于相位的交通控制的优势更加明显。
2020-08-14 cs.SY eess.SY
Traffic Intersection Simulation Using Turning Movement Count Data in SUMO: A Case Study of Toronto Intersections
本文提出一种基于多伦多真实TMC数据和SUMO的交叉口交通仿真工具，通过图形界面实现数据驱动建模，验证了真实数据可替代合成数据精准复现交通流，为交通规划与信号优化提供框架。
2025-08-14 cs.CY cs.SY eess.SY
Integrated Decision and Control at Multi-Lane Intersections with Mixed Traffic Flow
Tsinghua University（清华大学）；China Agricultural University（中国农业大学）
交叉口自动驾驶是最复杂、最容易发生事故的交通场景之一，特别是在车辆、自行车和行人等混合交通参与者的情况下。驾驶策略应做出安全的决策，以处理动态交通条件，并满足车载计算的要求。然而，目前的研究大多集中在简化的交叉口只考虑周围的车辆和理想的交通灯。本文改进了综合决策与控制框架，提出了一种基于学习的混合交通流复杂交叉口控制算法，该算法既能考虑交通信号灯的实际特性，又能学习不同安全约束下的安全策略。我们首先在训练过程中考虑绿色和红色灯光的不同速度模型，并使用有限状态机来处理不同模式的光转换。然后分别为车辆、交通灯、行人、自行车设计不同类型的距离约束，并将待优化的约束最优控制问题（OCP）公式化。最后，采用基于价值网络和策略网络的强化学习（RL）方法求解OCP序列。为了验证该方法的安全性和有效性，设计了一个存在大规模混合交通参与者的多车道交叉口，并设置了实际的交通灯相位。仿真结果表明，训练后的决策和控制策略能够很好地平衡安全性和跟踪性能。与模型预测控制（MPC）相比，计算时间降低了三个数量级。
2021-08-30 cs.AI cs.LG cs.SY
A Comparative Study of Algorithms for Intelligent Traffic Signal Control
PES University（PES大学）
在本文中，方法已被探索，以有效地优化交通信号控制，最大限度地减少等待时间和排队长度，从而增加交通流量。首先将交通交叉口定义为一个马尔可夫决策过程，并选择了状态表示、动作和奖励。利用城市机动性仿真（SUMO）对一个交叉口进行仿真，比较了不同场景下的交通信号控制策略，即反馈控制机制Round Robin调度策略和深度Q网络（DQN）、优势行为者-批评者（A2C）两种强化学习技术。最后，该方法进行了测试，在印度的Bengalu的一个真实世界的交叉口的模拟。
2021-09-18 cs.LG cs.SY eess.SY
Distributed Kuramoto Self-Synchronization of Vehicle Speed Trajectories in Traffic Networks
本文提出了一种分布式同步策略，连接和自动车辆在交通网络中。该策略将车辆从一个交叉口行驶到下一个交叉口视为波。每个波的相位角和频率分别映射到其位置和速度。目标是同步交通，使得交叉的交通波在每个交叉口都是异相的。这确保了交叉口的安全集体航行。车辆通过V2X基础设施共享其相位角，并使用Kuramoto方程同步这些角度。这是耦合振子自同步的经典模型。不同道路上车辆的相位和位置之间的映射被设计为使得仓本同步确保安全的交叉口导航。每辆车使用一个受约束的最优控制策略，以实现其所需的目标仓本阶段在即将到来的交叉口。总体结果是一个分布式的交通同步算法，同时解决传统上独立解决的两个挑战，即：协调交叉口在一个单独的路口，协调相邻路口之间的交通流量。仿真研究强调了这种策略对燃料消耗和交通延迟时间的积极影响，与传统的交通灯定时网络相比。
2020-10-30 cs.SY eess.SY
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
Traffic Automation in Urban Road Networks Using Consensus-based Auction Algorithms For Road Intersections
Technische Universität Berlin（柏林工业大学）；Max-Planck-Institut für Dynamik Komplexer Technischer Systeme（复杂技术系统动力学马普研究所）
本文提出了一种去中心化的交通控制策略，用于道路交叉口的自动化，并研究其对现实城市道路网络交通的影响。核心方法是基于共识的拍卖算法（CBAA-M），允许车辆在每个交叉口达成通行顺序的共识，同时结合车载模型预测控制器以避免碰撞并满足性能指标。随机模拟显示，这种去中心化控制方法在效率、安全性和吞吐量方面均优于传统方案。
2018-12-06 cs.SY eess.SY
Multi-intersection Traffic Light Control Using Infinitesimal Perturbation Analysis
Boston University（波士顿大学）
将多交叉口交通灯控制问题建模为随机混合系统，利用无穷小扰动分析推导成本度量的在线梯度估计，并迭代优化信号周期以适应交通变化。
2012-04-18 cs.SY eess.SY
Reinforcement Learning-Based Traffic Signal Control for IoT-Enabled Intersections
Department of Electrical Engineering, Kuwait University（卡塔尔大学电气工程系）
提出基于近端策略优化的强化学习控制器，利用本地交通状态动态分配绿灯时长，在科威特真实数据仿真中，相比固定时间和感应控制分别减少46%和34%的平均延误，并降低23%的CO2排放。
2026-10-08 cs.LG 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
UniTSA: A Universal Reinforcement Learning Framework for V2X Traffic Signal Control
School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）理工学院）；Shanghai AI Laboratory（上海人工智能实验室）；Key Laboratory of Road and Traffic Engineering, Ministry of Education, Tongji University（同济大学道路与交通工程教育部重点实验室）；SenseTime Group Limited（商汤集团有限公司）
本文提出UniTSA通用强化学习框架，通过交叉口矩阵表征状态和交通状态增强方法，使V2X交通信号控制模型能够适应不同结构的交叉口，并通过多配置实验验证其有效性。
2023-12-08 cs.LG cs.SY eess.SY
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
Safe and Efficient Coexistence of Autonomous Vehicles with Human-Driven Traffic at Signalized Intersections
提出集成框架同时优化信号配时与CAV轨迹，结合最优控制策略、动态信号调整和事件触发重规划，在混合交通中最大化吞吐量并降低能耗。
2025-04-07 cs.SY eess.SY
Distributed Mixed-Integer Quadratic Programming for Mixed-Traffic Intersection Control
University of Pennsylvania（宾夕法尼亚大学）；Cornell University（康奈尔大学）
针对混合交通交叉口中的MIQP问题，提出基于近端ADMM和序列约束收紧的分布式算法，优化交通灯与CAVs协调，仿真验证了其在不同渗透率与交通量下的有效性。
2026-10-22 cs.SY eess.SY
Integrated Routing and Intersection Control for Mixed Traffic
Cornell University（康奈尔大学）
本文提出一种分层框架，结合宏观网络路由优化与微观交叉口控制，通过SUMO验证，证明其在提升网络吞吐量和减少拥堵方面优于单独应用各层。
2026-04-15 cs.SY eess.SY
Discrete Event Simulation of Driver's Routing Behavior Rule at a Road Intersection
有几个因素影响交通拥堵和整体交通动态。仿真建模已被用来了解交通性能参数，在交通拥堵。通过区分最短距离路径选择、最短时间路径选择和不拥挤道路路径选择这三种可区分的路径选择，研究了驾驶员的路径选择行为。本研究共产生864个不同的情境，以捕捉集体驾驶行为下的各种交通动态。该模型考虑了车辆到达率、系统边界行为和交通灯相位等因素。仿真结果表明，最短时间路由方案提供了最好的解决方案，考虑各种形式的相互作用的因素。总的来说，与最短距离路由相比，这种路由行为减少了流量等待时间和总时间（分别减少了69.5%和65.72%）。
2019-07-15 cs.SY eess.SY
A Flow-Efficient and Legal-by-Construction Real-Time Traffic Signal Control Platform
通过交叉口的交通流效率低下会导致车辆停车、不必要的拥堵和事故风险增加。在本文中，我们提出了一个交通信号控制器平台，展示了增加交通流量的任意交叉口拓扑结构的能力。该模型采用混合逻辑动力系统上的模型预测控制来控制单个交叉口中独立控制的交通信号的状态，消除了强制从一组相位中选择信号的约束。此外，我们使用的约束，以保证系统的输出是在一组允许的行动下的约束，包括精确的黄色定时，最小车道间的绿色过渡时间，并选择信号状态与非冲突的依赖关系。我们评估我们的模型在一个模拟的4路交叉口和一个十字路口在丹麦与真实的交通数据和目前实施的时间表作为基线。我们的模型显示，与基线光照时间表相比，时间损失至少减少了22%，并且计时显示，该系统可以以比2s/预测更快的频率可行地运行在线预测，优化了25 s的预测范围。
2020-11-01 cs.SY eess.SY
Safe and Efficient Intersection Control of Connected and Autonomous Intersection Traffic
Daniel Felix Ritchie School of Engineering and Computer Science（丹尼尔·费利克斯·里奇工程与计算机科学学院）
本文提出DICA算法，用于协调自动驾驶车辆在交叉口的安全高效通行，同时通过Reactive DICA算法优化紧急车辆通行优先级，确保应急车辆快速通过而最小化其他车辆的行程影响。
2018-01-29 cs.RO cs.SY eess.SY
A Reinforcement Learning Approach for Intelligent Traffic Signal Control at Urban Intersections
California PATH, University of California, Berkeley（加州大学伯克利分校）；Futurewei Technologies, Inc.（华为技术公司）
本文提出了一种基于强化学习的交通信号控制方法，通过神经网络近似Q函数来处理复杂的交通信号控制问题，旨在优化交通流并减少拥堵和延误。
2019-05-19 cs.SY eess.SP eess.SY
Design Of Fuzzy Logic Traffic Controller For Isolated Intersections With Emergency Vehicle Priority System Using MATLAB Simulation
Jabalpur Engineering College（贾巴尔普尔工程学院）
本文设计了基于模糊逻辑的交通控制器，通过MATLAB仿真优化隔离交叉口交通流，利用等待时间和队列长度进行控制，并集成紧急车辆优先系统以提升交通效率。
2014-05-05 cs.AI cs.SY eess.SY
Cooperative Schedule-Driven Intersection Control with Connected and Autonomous Vehicles
Carnegie Mellon University（卡内基梅隆大学）
最近的工作分散，时间表驱动的交通控制已经证明了在复杂的城市道路网络，以提高交通流的效率的能力。在这种方法中，调度代理与每个交叉口相关联。每个代理感知接近其交叉口的交通，并实时构建一个时间表，最大限度地减少在当前前瞻视野内接近交叉口的车辆的累积等待时间。在本文中，我们提出了一种合作算法，利用连接和自动驾驶车辆（CAV）和时间表驱动的交通控制，以创造更好的城市交通流。该算法使交叉口调度代理调整的到来时间的车队通过使用无线通信来控制车辆的速度。接近队列的序列因此被移向具有较小累积延迟的新形状。我们演示了如何在实时交通信号控制问题，该算法优于原来的方法。
2019-07-03 cs.RO cs.SY eess.SY
Stochastic Flow Models with Delays and Applications to Multi-Intersection Traffic Light Control
Boston University（波士顿大学）
本文扩展了随机流模型，引入延迟以处理流量运动中的典型延迟，应用于多交叉口交通信号控制，通过在线梯度估计优化信号周期长度，引入新的成本指标以更好地捕捉拥堵，并证明考虑延迟能提升性能。
2017-11-07 cs.SY eess.SY
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
Game-Theoretic Modeling of Multi-Vehicle Interactions at Uncontrolled Intersections
Robotics Institute, University of Michigan（密歇根大学机器人研究所）
本文提出了一种基于博弈论的框架，用于建模自动驾驶和人工驾驶车辆在无信号交叉口的交互行为，通过参数化交叉口布局和几何结构，展示了模型在交通场景中的合理性和计算效率。
2019-04-10 cs.RO cs.SY eess.SY
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
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
Unsignalized Intersection Management Strategy for Mixed Autonomy Traffic Streams
针对CAVs、CHVs和HVs共存的混合交通流，本文提出包含HPQ路权分配算法与模型预测控制的无信号交叉口管理策略，仿真表明该方法可将平均出行时间降低5%至65%，有效平衡了效率与安全。
2024-08-23 cs.SY eess.SY
Scalable Adaptive Traffic Light Control Over a Traffic Network Including Turns, Transit Delays, and Blocking
本文为网格状交通网络开发了考虑转向、通行延迟和阻塞的自适应交通灯控制器，利用无穷小扰动分析（IPA）推导数据驱动的成本梯度估计器，并通过在线梯度算法迭代优化参数，提出了一种通用可扩展的实时多交叉口交通灯控制框架。
2024-04-26 cs.SY eess.SY
Adaptive Traffic Light Control for Competing Vehicle and Pedestrian Flows
我们研究的交通灯控制（TLC）的问题，一个单一的交叉口，同时考虑直行车辆流和相应的交叉口的行人流量，以实现公平的联合最优共享政策的平均等待时间。使用随机混杂系统模型，我们设计了一个准动态的策略控制交通灯周期与几个阈值参数施加到光周期和部分观察到的车辆和行人队列的内容。无穷小扰动分析（IPA），然后用于获得一个数据驱动的梯度估计的成本度量相对于政策参数，并通过一个在线的基于梯度的算法，以提高整体性能，以适应不断变化的交通状况的政策，以迭代地调整这些参数。该控制器被应用到一个模拟的十字路口在Veberöd镇，瑞典，以说明这种方法的性能，使用真实的交通数据从这个十字路口。
2023-03-14 cs.SY eess.SY
Intervention Strategies for Fairness and Efficiency at Autonomous Single-Intersection Traffic Flows
本文提出了一种基于混合整数线性规划的干预策略，用于在无信号灯的交叉口上优化自主代理的公平性与效率，通过仿真验证早干预和公平性意识控制的效果。
2025-12-02 cs.SY eess.SY
Game-theoretic Modeling of Traffic in Unsignalized Intersection Network for Autonomous Vehicle Control Verification and Validation
University of Michigan（密歇根大学）；Bilkent University（比尔肯大学）
在可预见的未来，自动驾驶汽车（AV）将与人类驾驶的汽车一起在交通中运行。他们的规划和控制系统需要进行广泛的测试，包括模拟自动驾驶/人类驾驶车辆之间的交互的早期测试。出于对这种仿真工具的需求，我们提出了一种博弈论的方法来建模车辆的相互作用，特别是在城市交通环境与无信号交叉口。我们开发的交通模型与异构（在他们的驾驶风格方面）和互动的车辆基于我们提出的方法，并使用它们进行虚拟测试，评估和校准的AV控制系统。为了说明，我们考虑两种AV控制方法，分析其特性和性能的基础上，我们开发的交通模型的仿真结果，并优化其中之一的参数。
2020-07-18 cs.RO cs.SY eess.SY
Optimizing Signalized Intersections Performance under Conventional and Automated Vehicles Traffic
University of Florida（佛罗里达大学）
本文提出一种智能交叉口控制系统，通过实时数据优化信号控制与自动化车辆路径，减少拥堵并降低行驶时间。
2017-07-01 cs.SY eess.SY
Autonomous and Connected Intersection Crossing Traffic Management using Discrete-Time Occupancies Trajectory
University of Denver（丹佛大学）
本文提出一种基于离散时间占用轨迹的交叉口交通协调算法，证明其无死锁和 starvation，并通过仿真验证了改进算法的计算效率。
2017-05-12 cs.NE cs.SY eess.SY
Quasi-dynamic Traffic Light Control for a Single Intersection
Boston University（波士顿大学）
本文提出基于部分状态信息的准动态交通灯控制策略，通过构建随机流模型并利用扰动分析法优化绿灯和红灯周期，以适应交通变化，提升通行效率。
2013-08-05 cs.SY eess.SY
Drivers' skills and behavior vs. traffic at intersections
这项工作是专门为道路交通建模的街道布局没有交通灯的既定拓扑结构的方式。交通参与者的行为考虑到驾驶员创造性地解释交通规则的个人倾向。参与者交互描述了对策论模型，该模型为基于元胞自动机的仿真算法提供信息。驱动因素的多样化可以归结为两种类型：DE（有效）代理和CO（操作）代理。使用交通参与者的描述，以检查行为对街道交通动态的影响的各种方式进行了展示。指出了进一步详细分析的方向，这需要在对策论模型领域进行基础研究。
2021-01-09 cs.SY eess.SY math.OC
Traffic Signal Control and Speed Offset Coordination Using Q-Learning for Arterial Road Networks
本文提出一种基于Q学习的自适应干线交通控制策略，将交通信号控制与动态速度偏移协调相结合，通过联合优化信号周期、绿信比和推荐速度，在低中需求下显著优于固定配时和MAXBAND，并能缓解匝道与交叉口队列。
2024-04-09 cs.SY eess.SY
Reinforcement Learning for Mixed Autonomy Intersections
Massachusetts Institute of Technology（麻省理工学院）
本文提出了一种无模型强化学习方法，用于控制模拟交通网络中的混合自主交通，该网络中只有双向交叉口和四向交叉口。我们的方法利用多智能体的政策分解，允许分散控制的基础上，对任意数量的受控车辆的本地观测。我们证明，即使没有奖励塑造，强化学习也能学会协调车辆，使其表现出类似交通信号灯的行为，在33-50%的受控车辆中实现接近最佳的吞吐量。在多任务学习和迁移学习的帮助下，我们证明了这种行为可以推广到流量流量和流量网络的大小。我们的代码、模型和结果视频可以在https://github.com/ZhongxiaYan/mixed_autonomy_intersections上找到。
2021-11-08 cs.AI cs.LG cs.MA
CityLight: A Neighborhood-inclusive Universal Model for Coordinated City-scale Traffic Signal Control
Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）
CityLight提出一种包含邻域信息的通用策略模型，通过邻域影响编码器和聚合器实现城市级异构交叉口协同控制，在五个数据集上平均吞吐量提升11.68%，泛化提升22.59%。
2025-08-06 cs.AI cs.LG cs.MA
Design and Realization of Intersection Traffic Control Simulation System Using Connected Vehicle Technology
Tsinghua Univ.（清华大学）
本文设计了一个利用连接车辆技术模拟交叉口交通控制的平台，通过提供可定制参数实现多层级速度模拟，满足不同需求，为后续研究提供基础。
2018-09-05 cs.SY eess.SY
Shared-phase-dedicated-lane based intersection control with mixed traffic of human-driven vehicles and connected and automated vehicles
互联自动驾驶汽车（CAV）和人类驾驶汽车（HV）预计将在不久的将来共存。CAV专用车道和相位已经被探索以处理混合交通环境中HV驾驶行为的不确定性。然而，CAV专用阶段可能会显著牺牲HV益处。提出了一种基于共享相位专用车道（SPDL）的混合交通环境下单交叉口交通控制模型。左转和通过CAV共享CAV专用车道，并在与HV共享的阶段穿过交叉口。建立了一个三级优化模型。在上层，一个标准的NEMA（国家电气制造商协会）环形屏障结构用于信号优化和屏障持续时间的优化，通过动态规划，以最大限度地减少总的车辆延误。在中间层，从上层对给定的障碍物进行枚举，优化相序和相持续时间，并将最小车辆延误反馈给上层。在下层，根据中层障碍物的信号时序进行缓冲区CAV排队和通过区CAV轨迹规划，并将CAV的行程时间反馈给中层。进一步设计了滚动时域方案，用于动态实现时变交通条件下的模型。数值研究验证了基于SPDL的控制在平均车辆延误和交叉口通行能力方面优于基于蓝相的控制。此外，SPDL为基础的模型进行了扩展，作为一种替代方法，没有缓冲区。
2021-04-13 cs.SY eess.SY
Early Versus Late Traffic Management For Autonomous Agents
针对交叉路口交通管理的安全与效率挑战，研究引入圆形控制区域定义干预时机，采用MILP方法优化系统性能，通过仿真分析早期与晚期控制对自主智能体通行的安全、效率及鲁棒性影响。
2024-12-09 cs.SY eess.SY
Using Bi-Directional Information Exchange to Improve Decentralized Schedule-Driven Traffic Control
Carnegie Mellon University（卡内基梅隆大学）
最近的工作分散，时间表驱动的交通控制已经证明了在复杂的城市道路网络，以提高交通流的效率的能力。在这种方法中，调度代理与每个交叉口相关联。每个代理感知接近其交叉口的交通，并实时构建一个时间表，最大限度地减少在当前前瞻视野内接近交叉口的车辆的累积等待时间。为了以可扩展的方式实现网络级协调，调度代理仅与其直接邻居通信。每次代理生成一个新的交叉口时间表，它将其预期的流出作为未来需求的预测，并将这些流出附加到下游代理的本地感知需求。在本文中，我们扩展了这个基本的协调算法，另外将一个路口的当前拥堵程度的信息反射到其上游邻居的补充流。我们提出了一个异步分散算法更新交叉口的时间表和拥塞水平估计的基础上，这些双向信息流。通过将该算法与基本操作的自优化决策相关联，我们能够接近网络范围的最优性，并减少由于严格的自利交叉口控制决策而导致的效率低下。
2019-07-03 cs.AI cs.SY eess.SY
The Effects of Vehicle-to-Infrastructure Communication Reliability on Performance of Signalized Intersection Traffic Control
本文基于 Vissim 与 OMNeT++ 联合仿真研究 DSRC-VANET 通信失真对自适应信号控制的影响，并提出利用历史数据和车辆运动假设补偿丢失数据，使延误恢复至接近完美通信水平。
2021-10-11 cs.SY eess.SY
Stochastic MPC with Multi-modal Predictions for Traffic Intersections
UC Berkeley（加州大学伯克利分校）；Ford AV LLC（福特自动驾驶有限责任公司）；Ford Research and Advanced Engineering（福特研究与高级工程部）
我们提出了一个随机MPC（SMPC）制定的自动驾驶在交通路口，它结合了多模态预测周围车辆的碰撞避免约束。多模态预测采用高斯混合模型（GMM），约束条件采用机会约束。我们的主要理论贡献是SMPC制定，优化了一种新的反馈政策类，旨在利用额外的结构在GMM预测，这是服从凸规划。使用反馈策略进行预测的动机是在处理周围车辆的多模态预测时需要减少保守性，特别是在交通交叉口场景中。我们评估我们的算法沿轴的流动性，舒适性，保守性和计算效率在CARLA模拟交叉口。我们的模拟使用了运动学自行车模型和在Lyft Level 5预测数据集的子集上训练的多模态预测。为了证明优化反馈策略的影响，我们比较了我们的算法与两个SMPC基线，通过优化开环序列来处理多模态碰撞避免机会约束。
2022-02-26 cs.RO cs.SY eess.SY
Traffic State Estimation and Uncertainty Quantification at Signalized Intersections with Low Penetration Rate Vehicle Trajectory Data
针对低渗透率轨迹数据下信号交叉口交通状态估计缺乏不确定性量化的问题，本文结合PTS模型构建HMM框架，通过贝叶斯递归估计实现状态与参数的分布估计及不确定性量化，经仿真和真实数据验证有效。
2024-04-02 cs.SY eess.SY stat.AP
Intersection-Traffic Control of Autonomous Vehicles using Newton-Raphson Flows and Barrier Functions
Georgia Institute of Technology（佐治亚理工学院）
本文研究了一种新的非线性跟踪技术在交叉口自动车辆轨迹控制中的应用。该技术使用牛顿-拉夫森方法的流版本，用于将预测的系统输出控制到未来的参考目标。它的实现是基于常微分方程的数值解，它没有指定任何特定的方法来计算其未来的参考轨迹。因此，它可以使用相对简单的算法在粗糙的模型计算目标轨迹，和更精确的模型和算法的轨迹控制中的紧循环。我们证明了这一点，在现有的预测交通规划和控制方法与我们的跟踪技术。此外，我们通过将控制障碍函数的框架应用于跟踪技术来保证安全规范。
2020-04-21 cs.RO cs.SY eess.SY
Digital Twins for Intelligent Intersections: A Literature Review
本文献综述系统梳理数字孪生在智能交叉口的研究，归纳为五大主题，指出多层架构与AI/ML结合可提升交通效率与安全，并强调互操作性、可扩展性和不确定性管理是未来关键挑战。
2025-10-06 cs.SY eess.SY
Signal Timing Optimization for Mixed Connected Automated Traffic Based on A Markov Delay Approximation
针对混合网联自动驾驶交通下交叉口延误与最优信号配时缺乏实用近似方法的问题，本文结合马尔可夫链分析、跟驰模型与排队论提出随机分析框架，推导得到延误与最优周期长度闭式解，并通过数值实验验证模型有效性。
2025-05-09 cs.SY eess.SY
Adaptive Coordination Offsets for Signalized Arterial Intersections using Deep Reinforcement Learning
城市交通干线网络中交叉口的协调对城市交通系统的性能至关重要。深度强化学习（RL）在交通控制研究中获得了牵引力，以及交通控制系统的数据驱动方法。迄今为止，提出的基于深度RL的业务方案控制相位激活或持续时间。然而，此类方法可能会在几个周期内绕过低容量链路，以优化网络级流量。在这里，我们提出了一个深度RL框架，该框架可以根据交通状态动态调整偏移量，并保留从基于模型的方法中获得的计划相位定时和顺序。该框架使我们能够改善动脉协调，同时保持相位顺序和时间可预测性。使用经过验证和校准的交通模型，我们训练了深度RL代理的策略，旨在减少网络中的旅行延迟。我们评估了由此产生的政策，通过比较其性能对沿亨廷顿驱动器在阿卡迪亚市的一段部署的相位偏移。由此产生的政策动态地重新调整相位偏移以响应交通需求的变化。仿真结果表明，所提出的深度RL代理的平均性能优于基线，当偏移量以15分钟为间隔进行调整时，在上午场景中有效地减少了13.21%的延迟时间，在中午场景中减少了2.42%，在下午场景中减少了6.2%。最后，我们还展示了我们的代理的鲁棒性，极端的交通条件下，如需求激增，在非高峰时间和本地化的交通事件
2022-08-29 cs.SY eess.SY
Multi-lane Unsignalized Intersection Cooperation with Flexible Lane Direction based on Multi-vehicle Formation Control
互联车辆与自动驾驶车辆的无信号交叉口协作能够消除信号交叉口的绿灯时间损失，提高交通效率。现有的无信号交叉口协调研究大多考虑固定车道方向，即每个车道上只允许特定的车辆转向行为。考虑到交通量和具有不同转向期望的车辆比例可能随时间而变化，固定车道方向可能导致交叉口的效率低下。提出了一种考虑灵活车道方向的多车道无信号交叉口协调方法。计算车辆的二维分布，并调度不冲突的车辆同时通过交叉口。利用编队重构方法实现车辆的无碰撞纵向和横向位置调整。在不同的输入交通量和来车转弯比例下进行仿真，结果表明，该方法优于固定车道方向无信号合作方法和信号合作方法。
2021-08-25 cs.SY eess.SY
Hierarchical-distributed optimized coordination of intersection traffic
University of California, San Diego（加利福尼亚大学圣地亚哥分校）
本文提出一种分层分布式方法，通过中央交叉口管理者与车辆通信并分组，优化交叉口及分支的通行调度，平衡计算复杂度与系统最优性，同时确保交通安全。
2017-01-16 cs.SY eess.SY math.OC
Intelligent Traffic Control System by Using Image Information
本文实现了一种基于交通流实时反馈的交通信号控制系统。该系统是设计来处理双车道交叉口。我们使用MSC Software发布的自动驾驶模拟软件Virtual Test Drive（VTD）构建了一个类似于台湾道路和驾驶员的实验场。通过在道路两侧安装四个摄像头，获取交叉口的图像，并将图像信息转化为交通流信息。利用Greenshields交通流模型对各车道的交通信息进行分析。运用韦伯斯特方法控制交通信号，提高系统性能，缓解交通拥挤。
2021-09-21 cs.SY eess.SY
Centralized adaptive traffic control strategy design across multiple intersections based on vehicle path flows: An approximated Lagrangian decomposition approach
Department of Civil and Environmental Engineering, Mississippi State University（密西西比州立大学土木与环境工程系）
本文提出了一种基于动态路径流的集中交通控制模型，通过近似拉格朗日分解方法设计多交叉口的自适应交通控制策略，以最小化总旅行时间并防止短期交通拥堵。
2018-11-10 cs.SY eess.SY
