Coordinated Formation Control for Intelligent and Connected Vehicles in Multiple Traffic Scenarios
提出了一种适用于多种交通场景的智能互联车辆（ICVs）统一多车编队控制框架。在一维情况下，分析了不同的几何形状和交错结构的数学模型，以提高驾驶安全性，同时充分利用车道的能力。为提高该方法在多场景下的灵活性，采用匈牙利算法求解车辆和目标位置的分配问题。在二维场景下，基于旋转投影的思想，提出了一种改进的虚拟队列方法，将复杂的二维超车问题转化为一维编队控制问题。此外，车辆重组的方法，提出了连接这两个场景。仿真结果表明，所提出的多车辆编队控制框架可以适用于多种典型场景，具有更好的性能比现有的方法。
2020-10-29 cs.SY eess.SY
Coordinated Car-following Using Distributed MPC
本研究在马尔可夫博弈框架下提出基于分布式模型预测控制的协同跟车算法，通过迭代自博弈与通信协商求解协同解，经动作序列重参数化实现实时优化，可显著提升高密度交通效率并抑制幽灵波，为协同自适应巡航控制提供新思路。
2025-10-02 cs.SY eess.SY
Power-Traffic Coordinated Operation for Bi-Peak Shaving and Bi-Ramp Smoothing -A Hierarchical Data-Driven Approach
National Renewable Energy Laboratory（美国国家可再生能源实验室）
本文提出利用电动汽车和充电/放电站协调电力分配系统与城市交通系统，通过双向灵活性缓解各自系统运行挑战。
2017-12-01 cs.SY eess.SY
On the Traffic Impacts of Optimally Controlled Connected and Automated Vehicles
University of Delaware（特拉华大学）；Oak Ridge National Laboratory（橡树岭国家实验室）
本文研究了最优控制连接和自动化车辆对交通网络性能的影响，采用去中心化最优控制框架并与传统车辆进行比较，发现引入CAV显著提高了道路容量和网络性能。
2019-05-24 cs.SY eess.SY math.OC
Distributed Traffic Signal Control via Coordinated Maximum Pressure-plus-Penalty
本文提出协调最大压力加惩罚（CMPP）分布式交通信号控制策略，将控制问题转化为分布式优化并用 ADMM 和贪心算法求解，在保证排队网络稳定性的同时，于大规模真实交通网络仿真中优于多个基准控制器，且计算效率接近完全去中心化方法。
2024-04-30 cs.MA cs.SY eess.SY
A Profit Sharing Mechanism for Coordinated Power Traffic System
Huazhong University of Science and Technology（华中科技大学）；University of Liverpool（利物浦大学）；Zhejiang University（浙江大学）；Harbin Institute of Technology（哈尔滨工业大学）；Warsaw University of Technology（华沙理工大学）
针对交通网络运营商与配电网运营商在调度中的非合作问题，提出基于激励相容的利润分享机制，通过两阶段调度降低配电网总运行成本。
2026-05-22 cs.SY eess.SY
A Spatial-Domain Coordinated Control Method for CAVs at Unsignalized Intersections Considering Motion Uncertainty
针对混合交通中无信号交叉口，提出一种空间域协调控制方法，通过非线性规划和实时迭代处理HDV运动不确定性，实现CAV无碰撞轨迹规划，大幅降低计算时间。
2025-06-23 cs.SY eess.SY
Demonstration-guided Deep Reinforcement Learning for Coordinated Ramp Metering and Perimeter Control in Large Scale Networks
The Hong Kong Polytechnic University（香港理工大学）
有效的流量控制方法在缓解网络拥塞方面具有巨大的潜力。现有的文献一般集中在一个单一的控制方法，而很少有研究探讨了综合和协调控制方法的有效性。本研究考虑两种代表性的控制方法：高速公路的匝道控制和均质城市道路的周界控制，我们的目标是开发一个基于深度强化学习（DRL）的大规模网络协调控制框架。主要的挑战是：1）缺乏有效的动态模型的高速公路和城市道路; 2）标准的日间行车线方法变得无效，由于复杂和非平稳的网络动态。针对这一问题，本文提出了一种新的中观-宏观动态网络模型，并首次提出了一种示范引导的日间行车线方法，以实现大规模的匝道控制和周界控制的协调。动态网络模型混合了路段模型和广义浴盆模型，分别描述了高速公路和城市道路的交通动态。对于DRL方法，我们通过引入“教师”和“学生”模型的概念，结合示范来指导DRL方法更好地收敛。教师模型是传统的控制器（例如，ALINEA，Gating），提供控制演示。学生模型是DRL方法，它向教师学习，旨在超越教师的表现。为了验证所提出的框架，我们进行了两个案例研究，在一个小规模的网络和一个现实世界的大规模交通网络在香港。研究结果揭示了将传统控制器与DRL相结合用于大规模网络协调控制的巨大潜力。
2023-03-04 cs.AI cs.LG cs.SY
Data-Driven Distributed Intersection Management for Connected and Automated Vehicles
这项工作解决了在一个孤立的交叉路口连接和自动驾驶车辆的自主交通管理问题。我们将每个车辆的轨迹分解为两个阶段：临时阶段和协调阶段。车辆在进入感兴趣区域时，最初在临时阶段中操作，在此期间车辆优化其轨迹，但被限制进入交叉口。周期性地，所有车辆在其临时相位切换到其协调相位，这是通过协调优化的车辆的交叉口使用的顺序以及它们的轨迹。对于协调阶段，我们提出了一个数据驱动的解决方案，其中交叉口使用序列是通过数据驱动的在线分类和轨迹计算顺序。该方法还允许将诸如业务到达速率的宏观信息并入到解决方案中。整个算法是可证明安全的，可以以分布式方式实现。最后，我们比较了所提出的算法与传统的交叉口管理方法，并对一些现有的文献，通过模拟。通过仿真，我们还表明，每辆车的计算时间保持不变的算法在很宽的范围内的交通到达率。
2021-10-21 cs.SY eess.SY math.OC
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
Resilient Ramp Control for Highways Facing Stochastic Perturbations
高速公路通行能力往往受到随机扰动，由于天气，交通混合，驾驶员行为等的综合影响，本文的动机是需要一个系统的方法，在面对这种扰动的性能保证交通控制。我们开发了一种新的控制理论方法设计扰动弹性匝道控制。我们考虑一个信元传输模型，其中1）马尔可夫信元容量和2）缓冲区代表入口匝道和上游干线。使用这个模型，我们分析了入口匝道排队的稳定性，通过构造分段李雅普诺夫函数，考虑非线性交通动力学的性质。然后，我们设计斜坡控制器，保证吞吐量和队列量的界限。我们还制定了协调匝道控制的问题作为一个双层优化与非凸内部的子问题。为了解决这个问题的计算问题，我们还考虑本地化和部分协调的重新制定。对美国洛杉矶一条18.1km高速公路的案例研究表明，9.9\%）的车辆行驶小时减少所获得的本地化（分别为部分协调）控制，都优于经典的ALINEA和METALINE控制器。
2022-03-09 cs.SY eess.SY math.OC
Distributed Maneuver Planning with Connected and Automated Vehicles for Boosting Traffic Efficiency
互联和自动驾驶车辆（CAV）有可能提高交通吞吐量，并实现更有效地利用现有道路基础设施。它们还具有通过交通运动协调来减少能源消耗的潜力，即使在与其他人类驾驶车辆混合交通时也是如此。实现这些潜力的关键是协调的控制方案，可以在一个分布式的方式与CAV实施。在本文中，我们提出了一个分布式预测控制框架，其特点是一个二维机动规划器，在不同的渗透水平的混合交通中运行的连接车辆之间的显式协调约束。该框架包括一个分布式实现的参考速度分配器，估计本地交通速度从车载测量和通信信息。我们提出了一个广泛的评估所提出的框架在交通微观模拟在各种CAV渗透从交通流量，能源使用和车道利用的角度来看。结果进行了比较，没有CAV的基线方案，以及，一个基准的一维规划。
2022-12-15 cs.SY eess.SY
Self-Triggered Coordination Control of Connected Automated Vehicles in Traffic Networks
本文提出了一种自触发的方案，以最佳控制交通网络的冲突区域的连接和自动驾驶车辆（CAV）的交通流，其主要目的是减少控制区域内的CAV之间的数据交换，同时最大限度地减少旅行时间和能源消耗。利用控制障碍函数（CBF）框架，考虑了安全约束和车辆限制，提出了一种基于CBF约束的自触发方案。此外，修改CBF约束的开发，以确保最小的事件间的时间间隔，建议的自触发计划。最后，它是通过模拟研究表明，CAV之间的数据交换的数量显着减少，使用所提出的自触发方案相比，标准的时间触发框架。
2022-04-08 cs.SY eess.SY
A Hybrid Queuing Model for Coordinated Vehicle Platooning on Mixed-Autonomy Highways: Training and Validation
联网和自动驾驶车辆（CAV）的排队是一项新兴技术，具有提高吞吐量和减少燃油的强大潜力。适当的宏观模型是至关重要的系统级的效率和可靠性的队列。在本文中，我们考虑了一个混合排队模型的混合自治公路路段，并开发了一个易于使用的训练算法。该模型根据交通需求和路段的关键参数预测CAV和非CAV计数。训练算法从观测数据中实时学习公路参数。我们在城市交通仿真（SUMO）中对模型和算法进行了测试，结果表明，在静止环境中的预测误差约为15%，在非静止环境中的预测误差约为25%。我们还表明，训练模型导致一个队列车头时距调节政策非常接近模拟的最优。所提出的模型和算法可以直接支持混合自治环境下的队列调度模型预测决策。
2021-03-26 cs.SY eess.SY
Optimal Weight Adaptation of Model Predictive Control for Connected and Automated Vehicles in Mixed Traffic with Bayesian Optimization
针对混合交通环境下的互联自动车辆（CAV），提出了一种最优权值自适应模型预测控制（MPC）策略.我们将CAV和人类驾驶车辆（HDV）之间的相互作用建模为同时博弈，并制定了博弈论MPC问题，以找到博弈的纳什均衡。在MPC问题中，HDV目标函数中的权重可以使用移动时域逆强化学习在线学习。使用贝叶斯优化，我们提出了一种策略，以最佳地适应CAV的目标函数的权重，使预期的真实成本时，使用MPC在模拟中可以最小化。最后通过一个无信号交叉口的车辆过街算例验证了该优化策略的有效性。
2023-03-10 cs.SY eess.SY
Estimating time of arrival of vehicle fleets with GCN based traffic prediction
本文提出一种基于T-GCN架构并增强邻接矩阵的交通延误预测框架，解决了稀疏位置更新下智能交通系统中车辆到达时间的估计问题。
2023-11-21 cs.SY eess.SY
Dynamic Graph Configuration with Reinforcement Learning for Connected Autonomous Vehicle Trajectories
University of Melbourne（墨尔本大学）
传统的交通优化解决方案假设道路网络的图结构是静态的，从而错过了进一步优化交通流的机会。我们感兴趣的是优化交通流作为一种新型的基于图形的问题，其中的道路网络的图形结构可以实时适应交通状况。特别是，我们专注于动态配置的交通车道方向，这可以帮助平衡使用的交通车道在相反的方向。互联自动驾驶汽车的兴起为大规模应用这种动态交通优化提供了机会。然而，现有的技术用于优化车道方向不适合动态交通环境，由于其高计算复杂度和静态性质。在本文中，我们提出了一个有效的交通优化解决方案，称为协调学习为基础的车道分配（CLLA），这是适合动态配置的车道方向。CLLA由一个两层的多智能体架构，其中底层的代理使用机器学习技术，以找到一个合适的配置车道方向周围的各个道路交叉口。然后，在更高级别上协调由学习代理提出的车道方向变化，以减少变化对道路网络的其他部分的负面影响。我们的实验结果表明，CLLA可以减少平均行程时间显着拥挤的道路网络。我们相信我们的方法是通用的，足以适用于其他类型的网络以及。
2019-10-14 cs.DB cs.LG cs.SY
Coordinated Planning of Offshore Charging Stations and Electrified Ships: A Case Study on Shanghai-Busan Maritime Route
针对船舶电气化中续航与载货的矛盾，本文提出海上充电站与电动船舶的协同规划模型，利用AIS数据评估上海-釜山航线，证明安装充电站可显著降低推进成本。
2023-12-25 cs.SY eess.SY
Coordinated PV re-phasing: a novel method to maximize renewable energy integration in LV networks by mitigating network unbalances
随着应对气候变化已成为重中之重，许多国家正在采取措施使其发电可持续，可再生能源发电的使用显着增加。在这些可再生能源中，太阳能光伏（PV）是连接到低压配电网的最受欢迎的能源之一。随着太阳能光伏更大程度地集成到低压配电网络中，公用事业提供商对太阳能渗透率施加上限，以便在可接受的规范范围内安全地运行其网络。限制太阳能光伏渗透的一个参数是由连接到低压配电网的负载和单相屋顶方案所产生的不平衡。本文提出了一种新的方法，以减轻电压不平衡的低压配电网的最佳重相并网屋顶光伏系统。离散细菌觅食优化算法（DBFOA）的修改版本被引入作为优化技术，以最小化作为目标函数的网络的整体电压不平衡，受到各种网络和操作参数。基于全天每小时观察的总体电压不平衡，比较了利用所提出的PV重新定相技术与固定相位配置的影响。算例分析表明，该方法能显著改善白天的电压不平衡，并能使电网的可用光伏容量提高77%。
2020-09-17 cs.SY eess.SY
Optimal Multi-Modal Transportation and Electric Power Flow: The Value of Coordinated Dynamic Operation
本文提出OMTEPF模型，基于异构功能图理论联合优化交通-电力耦合网络中的车辆调度、路径选择、充电排队、协调充电及车辆到电网稳定等五项关键决策，显式追踪单辆EV的动态荷电状态，并通过IV-ACOPF保证电气子问题全局最优，证明了协调动态运行相对于孤立管理的显著价值。
2025-10-13 cs.SY eess.SY
A Finite-State Fixed-Corridor Model for UAS Traffic Management
本文提出了一种物理启发的解决方案，低空无人机系统（UAS）的交通管理（UTM）在城市地区。我们将UTM分解为空间和时间规划问题。对于空间规划问题，我们使用欧拉连续介质力学的原则，安全和最佳分配有限的空域无人机。为此，有限空域被划分为计划和未计划子空间，其中未计划子空间或区域包围建筑物和受限禁飞区域。规划的子空间被划分为安全地包裹未规划区域的可导航通道。我们将空域规划问题建模为一个马尔可夫决策过程（MDP），其状态定义基于空域的空间和时间特征以及授权安全导航通道之间转换的动作。我们提出的交通管理解决方案，以计划在亚利桑那州图森市中心上空的小型无人机系统的安全协调。
2022-04-12 cs.MA 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
Optimizing Coordinated Vehicle Platooning: An Analytical Approach Based on Stochastic Dynamic Programming
本文研究高速公路路口处网联自动驾驶车辆编队协调问题，将其建模为马尔可夫决策过程，证明最优策略为基于到达时间差的阈值策略，并提出高效算法和积分方程求解方法，仿真验证其优于传统方法。
2020-05-08 cs.SY eess.SY math.OC
Dynamic Speed Limit Control of Connected Automated Vehicles in Freeway Networks Considering Traffic Composition Uncertainty
State Key Laboratory of Intelligent Transportation System, Beihang University（北京航空航天大学智能交通系统国家重点实验室）；School of Transportation Science and Engineering, Beihang University（北京航空航天大学交通运输学院）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
研究考虑交通组成不确定性的高速公路网络中CAV动态限速控制问题，提出含不确定性感知模型及交通组成感知MPC的框架，经仿真实验验证，该框架能生成更协调限速，减少行程时间并带来环境效益。
2026-08-11 cs.SY eess.SY
Evaluation of Headway Threshold-based Coordinated Platooning over a Cascade of Highway Junctions
具有协调自适应巡航控制（CACC）功能的车辆排队是一种有前途的技术，具有节省燃料和缓解拥堵的强大潜力。虽然一些研究人员已经研究了队列行驶的车辆层面的燃料节省，但很少有人考虑系统层面的好处。本文评估车辆排队作为一种减少燃料的方法，并提出了分层控制系统。我们特别关注排队协调算法对系统整体效益的影响。排队协调的主要任务是调节多辆车到达特定路口的时间：这些车辆只有在路口相遇（即在共同的时间间隔内到达）时才能排队。我们使用一个微观仿真模型来评估一类基于阈值的协调策略，并得出有关由于排中空气阻力减小而节省的燃料和由于协调（即某些车辆加速以赶上领先车辆）而导致的额外燃料消耗之间的权衡的见解。该模型是使用实际的交通数据在洛杉矶大都市区的210号州际公路的一部分进行校准。我们研究了关键决策变量，包括队列阈值和协调半径，和关键性能指标，燃料消耗之间的关系。
2019-08-07 cs.SY eess.SY math.OC
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
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
Hierarchical Speed Planner for Automated Vehicles: A Framework for Lagrangian Variable Speed Limit in Mixed Autonomy Traffic
本文提出分层速度规划器框架，通过服务器端Speed Planner与车辆端控制器协同实现混合交通中的拉格朗日可变限速，并在100辆自动驾驶车辆实测中显著提升瓶颈吞吐量、降低速度波动。
2024-02-26 cs.SY eess.SY
From Visual to Digital: Coordination Scheduling and Its Effect on Safety and Efficiency in UAM Corridors
Intent Exchange, Inc.（意图交换有限公司）
通过比较基于视觉飞行规则（VFR）的局部协调策略和基于数字飞行规则（DFR）的全局协调策略，研究城市空中交通（UAM）走廊的可扩展协调方法，并引入轻量级扰动避免机制，结果表明DFR在高密度交通下能更一致地保持安全性和效率。
2026-05-22 cs.SY eess.SY
How many autonomous vehicles are required to stabilize traffic flow?
本文研究在控制参数受约束条件下，通过非线性优化技术计算AV渗透率的最优下界，确定稳定交通流所需的最少自动驾驶车辆数量，以降低燃油消耗和排放，并通过数值模拟验证了理论结果。
2024-11-13 cs.SY eess.SY
Sequential Cooperative Energy and Time-Optimal Lane Change Maneuvers for Highway Traffic
我们推导出最优控制策略的连接自动驾驶汽车（CAV）和合作的邻居CAV进行变道机动组成的纵向阶段，其中CAV正确定位自己相对于合作的邻居和横向阶段，它安全地改变车道。在这个问题上，在CAV的“自私”，以尽量减少其机动时间之前的工作相比，我们试图确保快速车道的交通流量被最小限度地破坏（通过一个适当定义的度量），并通过优化选择合作车辆的高速公路吞吐量得到改善。我们表明，最佳轨迹的解析解可以推导出来，并保证满足安全约束的所有车辆参与的机动。当可行的解决方案不存在，我们包括一个时间松弛的方法权衡了较长的机动时间，减少中断。我们的分析也扩展到多个连续机动。仿真结果表明，控制器的实施显示其有效性的安全保证和高达35%的吞吐量的改善相比，没有车辆合作的机动。
2022-03-31 cs.MA cs.SY eess.SY
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
Ecological Adaptive Cruise Control for City Buses based on Hybrid Model Predictive Control using PnG and Traffic Light Information
本文提出了一种生态自适应巡航控制（EACC）的概念，其主要目标是最大限度地减少城市公交车的燃油消耗与内燃机（ICE）。一个混合模型预测控制（HMPC）在这项工作中实现控制连续和离散时间变量。此外，多目标优化问题的EACC制定在时域上作为一个混合整数二次约束二次规划（MIQCQP）问题。建议HMPC-EACC执行强大的车辆跟踪，同时跟踪领先的车辆和计划燃油效率的加速和减速机动的主机。此外，它使用信号相位和定时（SPaT）信息来计算本车在绿灯相位通过信号交叉口的绿波参考速度。此外，所提出的控制器执行脉冲和滑翔（PnG），以最佳地控制发动机的ON和OFF状态，并节省额外的燃料。此外，所提出的策略的性能进行评估，在现实世界的驾驶配置文件和比较，从文献中的基线控制器。最后，研究了不同预测时域对燃料节省量和计算时间的影响。结果表明，HMPC-EACC的燃油消耗显着减少，并证明所提出的控制器是实时的能力。
2021-04-18 cs.SY eess.SY
Decentralized Autonomous Traffic Management through Corridor Networks
Department of Aeronautics and Astronautics（航空航天系）；Massachusetts Institute of Technology（麻省理工学院）；University of Maryland（马里兰大学）
针对高密度自主航空交通，提出基于多智能体强化学习的去中心化走廊网络交通流管理方法，零样本迁移至复杂网络，无需集中协调或重训练。
2026-06-23 cs.AI cs.ET cs.MA
Cooperative Energy and Time-Optimal Lane Change Maneuvers with Minimal Highway Traffic Disruption
Boston University（波士顿大学）；Honda Research Institute-US (HRI-US)（美国本田研究院（HRI-US））
我们推导出最优控制政策连接自动驾驶汽车（CAV）和合作的邻居CAV进行变道机动组成的纵向阶段，其中CAV正确定位自己相对于合作的邻居和横向阶段，它安全地改变车道。在这个问题上，在CAV的“自私”只寻求最小化其机动时间，我们试图确保快速车道的交通流被最小限度地破坏（通过一个适当定义的度量）以前的工作。此外，当进行变道机动，我们最佳地选择合作的车辆从一组可行的相邻车辆和实验表明，高速公路的吞吐量相比，人类驾驶的车辆改变车道没有合作的基线情况下，提高。当可行的解决方案不存在一个给定的最大允许中断，我们包括一个时间松弛的方法权衡了较长的机动时间减少中断。我们的分析也扩展到多个连续机动。仿真结果表明，我们的控制器的有效性，在安全保证和高达16%和90%的平均吞吐量和机动时间的改善相比，没有合作的机动。
2022-11-16 cs.RO cs.SY eess.SY
A new platooning model for connected and autonomous vehicles to improve string stability
针对通信延迟下的自动驾驶队列稳定问题，提出仅与头车通信的“look-to-the-leader”动力学模型，并通过理论证明与两类道路仿真验证其优于传统跟车策略。
2024-12-06 cs.SY eess.SY math.DS
Systematic Analyses of Reinforcement Learning Controllers in Signalized Urban Corridors
本文系统分析了集中式、完全去中心化和参数共享去中心化强化学习控制器在城市走廊网络中的性能，对比了其容量区域和ATT，并展示了参数共享控制器在更大网络上的应用潜力。
2026-04-02 cs.AI cs.LG cs.MA
ROSA: Roundabout Optimized Speed Advisory with Multi-Agent Trajectory Prediction in Multimodal Traffic
IEEE
提出ROSA系统，结合Transformer多智能体轨迹预测与协调速度引导，提升环岛多模式混合交通的效率与安全，预测精度优于前人工作。
2026-06-16 cs.CY cs.MA cs.RO
