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
Sequencing-enabled Hierarchical Cooperative CAV On-ramp Merging Control with Enhanced Stability and Feasibility
本文提出一种基于排序的分层协同CAV匝道合流控制框架,上层用混合整数线性规划排序以协调交通密度,下层用分布式MPC和虚拟跟驰保证稳定与安全,并通过数值实验验证其优越性。
2024-05-25 cs.SY eess.SY
Deep Multi-agent Reinforcement Learning for Highway On-Ramp Merging in Mixed Traffic
对于自动驾驶汽车(AV)来说,入口匝道合并是一项具有挑战性的任务,特别是在AV与人类驾驶汽车(HDV)共存的混合交通中。在本文中,我们制定的混合交通高速公路入口匝道合并问题作为一个多智能体强化学习(MARL)问题,其中的AV(合并车道和通过车道)协作学习的政策,以适应HDV,以最大限度地提高交通吞吐量。我们开发了一个有效的和可扩展的MARL框架,可用于动态交通的通信拓扑结构可能是时变的。参数共享和本地奖励被利用来促进代理间的合作,同时实现很大的可扩展性。一个动作屏蔽计划,以提高学习效率,过滤掉无效/不安全的动作在每一步。此外,一种新的基于优先级的安全监督器的开发,显着降低碰撞率,大大加快了训练过程。开发了一个类似健身房的模拟环境,并开源了三种不同的交通密度水平。我们利用课程学习,在更简单的设置下从训练模型中有效地学习更难的任务。综合实验结果表明,建议的MARL框架始终优于几个国家的最先进的基准。
2022-11-05 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
Uncovering Interpretable Internal States of Merging Tasks at Highway On-Ramps for Autonomous Driving Decision-Making
School of Mechanical Engineering, Beijing Institute of Technology(北京理工大学机械工程学院);University of California at Berkeley(加州大学伯克利分校)
在复杂的交互场景中,人类根据自己的内部状态做出日常决策。提出了一种概率重构学习方法,用于识别高速公路入口匝道并道时多车序贯相互作用的内部状态。我们将合并任务的顺序决策视为一个动态的随机过程,然后将内部状态集成到HMM-GMR模型中,该模型是扩展高斯混合回归(GMR)和隐马尔可夫模型(HMM)的概率组合。我们还开发了一种变异的期望最大值(EM)算法来估计模型参数,并基于真实世界的数据集进行了验证。实验结果表明,三个可解释的内部状态可以语义描述在高速公路入口匝道的互动合并过程。这一发现提供了一个基础,开发一个有效的基于模型的决策算法的自主车辆(AV)在部分可观察的环境。
2021-05-14 cs.RO cs.SY eess.SY
On Social Interactions of Merging Behaviors at Highway On-Ramps in Congested Traffic
Beijing Institute of Technology(北京理工大学);University of California at Berkeley(加州大学伯克利分校);McGill University(麦吉尔大学)
在高速公路入口匝道上合并,同时与其他人类驾驶的车辆进行交互,对于自动驾驶车辆(AV)来说是一项挑战。一个有效的路线,这一挑战需要探索和利用知识的互动过程中的演示由人类。然而,目前还不清楚人类驾驶员在整个合并过程中利用什么信息(或环境状态)来指导他们的行为。本文从时间和空间两个方面对高速公路入口匝道的合流行为进行了定量分析和评价。基于周围车辆的社会偏好,考虑了两种类型的社会交互场景:礼貌和粗鲁。基于真实世界的INTERACTION数据集,对表征交互式合并过程的环境状态的显著水平进行了经验分析。实验结果揭示了两个基本的机制在合并过程中:1)人类驾驶员选择不同的状态,在不同的时刻的任务执行顺序的决策,2)周围的车辆的社会偏好可以影响变量选择决策。这意味着有效的决策设计应该过滤掉无关的信息,同时考虑社会偏好,以实现可比的人类水平的性能。这些重要的发现为开发新的自动驾驶汽车决策方法提供了启示。
2021-08-03 cs.RO cs.SY eess.SY
A Game Theory Based Ramp Merging Strategy for Connected and Automated Vehicles in the Mixed Traffic: A Unity-SUMO Integrated Platform
匝道合流由于其混沌性,被认为是造成交通拥堵和交通事故的主要原因之一。随着互联与自动驾驶技术的发展,协同匝道并道成为解决这一问题的主流方法之一。在混合交通情况下,CAV不仅可以相互交互,还可以处理涉及人类驾驶车辆的复杂情况。针对混合交通条件下CAV的最优合流协调问题,提出了一种基于博弈论的匝道合流策略,确定了动态合流顺序和相应的纵向/横向控制。该策略通过保证车辆之间的安全间距和协调交通流中CAV的速度,提高了合并过程的安全性和效率。为了验证所提出的策略,不同的渗透率和不同的拥堵程度下的混合交通模拟已经进行了创新的Unity-SUMO集成平台,它连接了基于游戏引擎的驾驶模拟器与交通模拟器。该平台允许人类驾驶员参与模拟,并为CAV配备更逼真的传感系统。在交通流水平模拟测试中,Unity接管了模拟中所有CAV的感知和控制,而SUMO则处理所有传统车辆的行为。结果表明,该方案可使交通流平均速度提高110%,燃油消耗降低77%。
2021-01-27 cs.GT cs.SY eess.SY
Evaluation of Connected Vehicle Identification-Aware Mixed Traffic Freeway Cooperative Merging
该研究首次将联网车辆身份识别系统(VIS)引入CAV匝道合流控制,提出评估框架与考虑识别流程的合流策略,仿真发现VIS虽不影响安全但会延迟协同、增加油耗与加速度波动。
2024-05-21 cs.SY eess.SY
Spatio-temporal cooperative control Method of Highway Ramp Merge Based on Vehicle-road Coordination
本文提出基于车路协同的主线优先方法,通过预规划时空轨迹实现高速公路匝道合流的时空协同控制,以提升合流区安全与效率。
2024-11-07 cs.SY eess.SY
Evaluating Cybersecurity Risks of Cooperative Ramp Merging in Mixed Traffic Environments
互联和自动驾驶汽车(CAV)技术有可能大大提高交通运输的机动性、安全性和能源效率。然而,无处不在的车辆连接也为网络攻击打开了大门。在这项研究中,我们调查了一个代表性的合作流量管理应用程序的网络安全风险,即,混合交通环境下的高速公路入口匝道合并。我们开发的威胁模型与两个轨迹欺骗策略的CAV上,以创造交通拥堵,我们还设计了一个攻击弹性策略的系统防御。此外,我们利用VENTOS,一个为CAV应用程序制作的静脉扩展模拟器,来评估攻击的网络安全风险和拟议防御策略的性能。一个全面的案例研究进行了不同的交通拥堵水平,渗透率的CAV,和攻击率。正如预期的那样,结果表明,在最坏的情况下,当攻击率增加时,移动性的性能下降高达55.19%,安全性和能量也是如此。我们提出的缓解防御算法,系统的网络攻击弹性大大提高。
2021-11-18 cs.SY eess.SP eess.SY
Enhancing Expressway Ramp Merge Safety and Efficiency via Spatiotemporal Cooperative Control
针对高速公路自动驾驶匝道合流的安全高效难题,本研究提出融合车路协同的时空协同控制方法,通过计算动态安全距离、构建冲突风险评估模型并制定主线优先控制策略,经仿真验证可大幅降低延误与油耗,提升合流性能。
2025-02-14 cs.SY eess.SY
SMART-Merge Planner: A Safe Merging and Real-Time Motion Planner for Autonomous Highway On-Ramp Merging
Honda Research Institute, USA (HRI-US)(本田研究院(美国))
提出基于格点的SMART-Merge规划器,通过调整代价项和引入期望速度启发式实现安全舒适的强制高速公路汇入,在数百个仿真场景中达到100%成功率且耗时最短。
2025-07-15 cs.RO cs.SY eess.SY
Connected and Automated Vehicles in Mixed-Traffic: Learning Human Driver Behavior for Effective On-Ramp Merging
University of Delaware(特拉华大学)
针对混合交通高速公路汇入场景,提出利用近似信息状态学习人类驾驶车辆行为的框架,使网联自动驾驶车辆在无先验知识下预测轨迹并生成安全控制策略,仿真验证了其有效性。
2023-04-01 cs.AI cs.LG cs.SY
Agent-Based Modeling and Simulation of Connected and Automated Vehicles Using Game Engine: A Cooperative On-Ramp Merging Study
University of California, Riverside(加州大学河滨分校);Toyota InfoTechnology Center, U.S.A. Inc.(丰田信息技术中心美国公司)
本文提出了一种基于游戏引擎Unity3D的连接和自动化车辆(CAVs)的代理建模与仿真方法,通过分布式共识协议研究了合作匝道合并问题,并与人类在回路模拟进行了比较,结果显示该协议在减少旅行时间、能源消耗和污染物排放方面具有显著优势。
2018-10-23 cs.HC cs.SY eess.SY
HCOMC: A Hierarchical Cooperative On-Ramp Merging Control Framework in Mixed Traffic Environment on Two-Lane Highways
针对混合交通流,本文提出HCOMC分层协作匝道汇入控制框架,结合改进虚拟车辆模型、博弈论换道与多目标优化,显著提升了汇入过程的安全性与交通效率。
2025-07-15 cs.AI cs.RO cs.SY
To Stay or to Bypass: Unraveling Mainline Vehicles' Aggregate Strategic Decision-Making at Highway Weaving Ramps
针对高速公路交织匝道中主线直行车辆的车道选择问题,提出一种仅需少量参数和测量数据校准的博弈论聚合行为模型,并经SUMO仿真验证具有高预测精度。
2025-05-13 cs.SY eess.SY
Modeling the Lane-Change Reactions to Merging Vehicles for Highway On-Ramp Simulations
Global Center for Automotive Performance Simulation(全球汽车性能模拟中心);Honda Research Institute, USA Inc.(美国本田研究所);Virginia Tech Transportation Institute(弗吉尼亚理工大学交通研究所)
本研究通过引入车道变换反应改进高速公路汇入场景仿真,利用在8个代表性地点收集的自然驾驶数据评估两种模型,并集成至高保真仿真环境以支持自动驾驶开发。
2024-07-26 cs.RO cs.SY eess.SY
Fault-Tolerant MARL for CAVs under Observation Perturbations for Highway On-Ramp Merging
Department of Automation, Tsinghua University(自动化系,清华大学);Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University(北京信息科学与技术国家研究中心(BNRist),清华大学)
本文提出了一种面向高速公路汇入车道的抗观测扰动多智能体强化学习故障容错方法,通过对抗性扰动生成和故障容忍智能体设计,提升协同驾驶系统的安全性和效率。
2025-11-28 cs.LG cs.RO cs.SY
The State-of-the-Art of Coordinated Ramp Control with Mixed Traffic Conditions
匝道控制是一种传统的车辆交通控制策略,自20世纪60年代以来在世界各地得到了广泛的应用。另一方面,过去十年来,互联和自动驾驶汽车(CAV)技术取得了重大进展,并在提高安全性、移动性和环境可持续性方面具有巨大潜力。因此,大量的研究已经进行了合作坡道合并的CAV。然而,预计混合交通阶段,即人类驾驶的车辆和CAV共存,将持续很长一段时间。由于有很少的研究与混合交通条件下的系统范围内的匝道控制,本文旨在缩小这一差距,提出了一个创新的系统架构,并回顾了国家的最先进的研究所提出的系统的关键组成部分。这些组件包括交通状态估计、匝道控制、驾驶行为建模和CAV协调。所有回顾的文献绘制了广泛的景观,建议系统范围内的协调匝道控制与混合交通条件。
2019-08-01 cs.SY eess.SY
Preemptive Spatiotemporal Trajectory Adjustment for Heterogeneous Vehicles in Highway Merging Zones
China Railway No.7 Bureau Group No.3 Engineering Co., Ltd.(中铁七局集团第三工程有限公司)
针对高速合流区感知滞后、时空资源利用率低的问题,提出融合车型、驾驶意图与安全时空距离的异构车辆抢占式合流控制策略,仿真验证其可显著降低延误、提升安全与通行效率。
2025-09-30 cs.RO cs.SY eess.SY
V2X-Assisted Distributed Computing and Control Framework for Connected and Automated Vehicles under Ramp Merging Scenario
School of Internet of Things Engineering, Jiangnan University(江南大学物联网工程学院);Tsinghua University(清华大学);Brunel University London(伦敦布鲁内尔大学);Xidian University(西安电子科技大学);Shanghai Jiao Tong University(上海交通大学);the Hong Kong University of Science and Technology (HKUST)(香港科技大学)
针对匝道汇入场景下网联自动驾驶车辆的集中式控制计算效率低的问题,提出V2X辅助的分布式计算与控制框架,含分布式轨迹规划与DCIMPC方法,可在保障性能的同时大幅提升计算速度。
2024-10-30 cs.LG cs.NI cs.SY
A Collaborative Safety Shield for Safe and Efficient CAV Lane Changes in Congested On-Ramp Merging
School of Computer Science and Statistics, Trinity College Dublin(计算机科学与统计学系,三一学院都柏林)
本文提出MARL-MASS,通过整合多智能体安全盾和定制奖励函数,在拥堵交通中实现安全且高效的车道变换。
2026-02-10 cs.AI cs.MA cs.RO
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
Employing Altruistic Vehicles at On-ramps to Improve the Social Traffic Conditions
高速公路入口匝道是交通网络中的典型瓶颈。在以往的工作中,主线车辆在入口匝道的自私车道选择行为被认为是导致入口匝道效率低下的原因之一。当入口匝道车辆计划并入高速公路主线时,主线车辆选择在当前车道上保持不变,或者通过切换到离入口匝道更远的相邻车道来绕过合并区域。自私的车辆做出决策,以尽量减少自己的行程延误,这损害了整个入口匝道的效率。以往的工作结果表明,如果能够鼓励适当比例的干线车辆绕行而不是滞留,社会交通状况将得到改善。在这项工作中,我们考虑采用自私的主线车辆之间的利他车辆的比例,以提高效率的入口匝道。利他车辆是个体优化者,决定是保持稳定还是绕道以最小化自身的利他成本,利他成本是行程延迟及其对其他车辆的负面影响的加权和。我们首先考虑理想情况下,利他成本可以完美地衡量利他车辆。给出了利他车辆比例和利他成本权重配置的条件,在此条件下,社会延迟可以减小或达到最优。随后,我们考虑了利他成本的测量中的不确定性的影响,我们给出了最佳的重量配置利他车辆,最大限度地减少最坏情况下的社会延迟在这种不确定性。
2021-07-18 cs.SY eess.SY
Driver Assistance for Safe and Comfortable On-Ramp Merging Using Environment Models Extended through V2X Communication and Role-Based Behavior Predictions
Mercedes-Benz AG(梅赛德斯-奔驰股份公司);Ulm University(乌尔姆大学);Fraunhofer FOKUS(弗劳恩霍夫开放通信系统研究所)
现代驾驶员辅助系统和自动驾驶汽车都是根据当地的环境地图做出决策的。这些地图包括例如由传感器感知的周围移动对象以及路线和导航信息。目前在环境测绘领域的研究涉及两个主要挑战。第一个是整合来自不同来源的信息,例如雷达、相机、超声波和激光雷达等车载传感器、离线地图数据或后端信息。第二个挑战包括找到这种聚合信息的抽象表示,并针对不同的驾驶功能和交通情况提供合适的接口。为了克服这些挑战,扩展环境模型是一个合理的选择。在本文中,我们展示了基于角色的运动预测与v2x扩展环境模型相结合,能够有助于提高交通安全性和驾驶舒适性。因此,我们结合了上述研究领域,并以高速公路入口处的穿线过程为例,展示了可能的改进。此外,研究表明,与未配备v2x的车辆相比,80%的平均v2x设备穿透率可以显著提高0.33m/s^2的总加速度和12 m的安全距离。
2020-08-17 cs.CE cs.ET cs.RO
Throughput of Freeway Networks under Ramp Metering Subject to Vehicle Safety Constraints
匝道控制是解决交通拥堵的有效手段之一。在本文中,我们提出了一个匝道控制策略的高速公路网络与任意数量的上,下匝道,合并,并分歧路口。建议的政策是在微观层面上设计的,并考虑到车辆以下的安全约束。此外,每个入口匝道以循环方式运行,在此期间,只要释放车辆的数量不超过循环开始时的队列大小,它就会释放车辆。此外,每个入口匝道根据交通状况动态调整其放行率。为了评估该策略的性能,我们分析了它的吞吐量,其特征在于在所有入口匝道的队列大小保持有界的期望的到达率的集合。我们表明,所提出的政策是能够最大限度地提高吞吐量,如果合并速度在所有的入口匝道是等于自由流的速度和网络没有合并路口。我们提供模拟来说明我们的政策的性能,并将其与文献中的一个著名的政策进行比较。
2023-03-12 cs.MA cs.SY eess.SY
MR-IDM -- Merge Reactive Intelligent Driver Model: Towards Enhancing Laterally Aware Car-following Models
Global Center for Automotive Performance Simulation(全球汽车性能模拟中心);Honda Research Institute, USA Inc.(美国本田研究院);Virginia Tech Transportation Institute(弗吉尼亚理工交通研究所)
针对现有微观交通模型忽略匝道车辆影响的问题,提出名为MR-IDM的新型高速公路跟驰模型,该模型能逼真反应汇入车辆并具备横向感知等特性,在模拟真实数据上误差最小。
2023-05-19 cs.RO cs.SY eess.SY
A Systematic Study of Multi-Agent Deep Reinforcement Learning for Safe and Robust Autonomous Highway Ramp Entry
Flex(弗莱克斯公司);University of Michigan-Dearborn(密歇根大学迪尔伯恩分校)
该研究针对全自动驾驶所需的安全鲁棒高速公路匝道汇入问题,采用博弈论多智能体深度强化学习与自博弈方法,通过多车扩展场景实验验证训练的控制器性能接近理想最优水平。
2025-01-17 cs.AI cs.LG cs.MA
Ramp Metering to Maximize Freeway Throughput under Vehicle Safety Constraints
University of Southern California(南加州大学)
针对任意匝道数的高速公路,在车辆跟驰安全约束下设计反应式匝道控制策略,通过同步周期和三种释放机制最大化通行能力,并证明合流速度等于自由流速度时最优。
2023-06-20 cs.MA cs.RO cs.SY
Performance Analysis of Optimally Coordinated Connected and Automated Vehicles in a Mixed Traffic Environment
本文针对含有人驾驶车辆的混合交通走廊,研究网联自动驾驶车辆协同轨迹规划框架,并通过仿真分析不同CAV渗透率与交通流量对总行程时间和燃油经济性的影响。
2022-06-20 cs.SY eess.SY
DSRC & C-V2X Comparison for Connected and Automated Vehicles in Different Traffic Scenarios
研究一直致力于使连接和自动驾驶车辆(CAV)在不同的交通场景中更快。通过使用C-V2X或DSRC通信协议,CAV可以更有效地工作。在本文中,我们比较了这两种通信协议的CAV在三个不同的交通场景,包括匝道合并,交叉口,和排队制动。它表明,在将C-V2X或DSRC用于CAV时,通信范围和间隔之间存在权衡。研究结果可为CAV在不同交通场景下自主选择通信协议的应用设计提供支持。
2022-03-23 cs.NI cs.SY eess.SY
An Approach for Optimizing Acceleration in Connected and Automated Vehicles
本文针对网联自动驾驶车辆中可调增益对加速度的影响,构建优化问题并用神经网络实时映射初始条件到最优增益,在合流场景中验证了方法有效性。
2023-08-08 cs.SY eess.SY
Protecting residential electrical panels and service through model predictive control: A field study
本文提出并实地验证了一种基于模型预测控制的住宅电流管理系统,通过动态调节热泵和热水器设定点,在100 A配电盘和供电服务限值内安全支持住宅电气化,避免昂贵升级并节省数千美元。
2025-02-05 cs.SY eess.SY
TGLD: A Trust-Aware Game-Theoretic Lane-Changing Decision Framework for Automated Vehicles in Heterogeneous Traffic
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对异构交通中现有换道框架忽略人类驾驶车辆动态信任水平的问题,提出信任感知博弈论换道决策(TGLD)框架,通过多车辆联盟博弈与在线信任评估引导自动驾驶车辆选择情境自适应的合作策略,实验证明该方法显著提升换道效率并保障安全。
2025-07-14 cs.AI cs.RO cs.SY
Towards A General-Purpose Motion Planning for Autonomous Vehicles Using Fluid Dynamics
WMG, University of Warwick(华威大学WMG学院);School of Electronics, Electrical Engineering and Computer Science, Queen’s University of Belfast(贝尔法斯特女王大学电子、电气工程与计算机科学学院)
本文提出一种受流体力学启发的通用运动规划方法,利用格子玻尔兹曼方法生成时空向量场并结合非完整动力学模型生成候选轨迹,在高速公路、匝道合流和交叉口场景中优于基于MPC的传统方法。
2024-06-09 cs.RO cs.SY eess.SY
Evaluating Scenario-based Decision-making for Interactive Autonomous Driving Using Rational Criteria: A Survey
James Watt School of Engineering, University of Glasgow(格拉斯哥大学詹姆斯·瓦特工程学院)
本文综述了深度强化学习在高速公路、匝道合流、环岛和无信号交叉口等典型场景中的自动驾驶决策应用,并提出DDTUI五项理性准则对现有算法进行系统评估,指出未来研究方向。
2025-01-03 cs.AI cs.RO cs.SY