An anisotropic traffic flow model with look-ahead effect for mixed autonomy traffic
该研究扩展 ARZ 模型，以非局部平均密度刻画 CAVs 前视效应，并通过扰动分析与数值实验揭示前视距离、渗透率及空间分布对混合交通稳定性的影响。
2024-12-06 cs.SY eess.SY math.AP
Privacy-Preserving Data-Enabled Predictive Leading Cruise Control in Mixed Traffic
本文针对混合交通中CAVs数据驱动预测控制面临的隐私泄露问题，提出基于仿射掩码的隐私保护数据驱动预测性前导巡航控制方案，在抵御窃听攻击的同时保持控制性能且计算开销低。
2023-10-31 cs.SY eess.SY
Using Empirical Trajectory Data to Design Connected Autonomous Vehicle Controllers for Traffic Stabilization
新兴的交通技术为从能源消耗、拥堵和排放的角度提高交通系统的效率提供了前所未有的机会。这些技术之一是连接和自动驾驶车辆（CAV）。随着CAV和人类驾驶车辆在同一道路空间（也称为混合流）中的操作的预期二元性，CAV有望解决各种交通问题，特别是那些由人类驾驶的异质性引起或加剧的交通问题。为了实现CAV在混合流交通中的这些特定优势，理解和模拟人类驾驶员在这种环境中的行为是至关重要的，微观交通流（MTF）模型可以用于执行此任务。通过帮助理解交通流的基本动力学，MTF模型是评估交通流在安全性、稳定性和效率方面的影响的有力方法。在本文中，我们试图校准MTF模型的基础上，经验轨迹数据的基础上，不仅了解交通动态，如交通不稳定性，但最终使用CAV，以减轻走走停停波传播。因此，本文充分考虑了人类驾驶行为的异质性和不确定性，以校准每个HDV的动态。此外，本文设计的CAV控制器的基础上的微观HDV模型，实时校准。用于校准的数据来自下一代仿真（NGSIM）轨迹数据集。结果令人鼓舞，因为它们表明所设计的控制器不仅可以显着提高混合交通流的稳定性，还可以显着提高交通流中CAVs和HDV的安全性。
2020-10-12 cs.SY eess.SY
Can listening to more neighbours help CAVs be faster and safer?
本文研究在混合交通中基于多辆前车信息的CAV跟驰控制，发现利用多前车信息相比单前车可显著提升交通安全与效率，尤其在高渗透率下，且改进程度受MPR和通信可靠性影响。
2023-04-03 cs.SY eess.SY
Highway Managed Lane Usage and Tolling for Mixed Traffic Flows with Connected Automated Vehicles (CAVs) and High-Occupancy Vehicles (HOVs)
本文针对CAVs、HOVs与HDVs混合交通流，通过中观仿真与蒙特卡洛模拟研究管理车道收费策略，提出在CAV渗透率有限时对HDV收费、对HOV/CAV免费的最优方案，以避免交通流崩溃并降低社会总成本。
2024-12-30 cs.SY eess.SY math.OC
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
Leveraging Cooperative Connected Automated Vehicles for Mixed Traffic Safety
针对混合交通中CAV巡航控制的稳定性与安全权衡，提出协同反馈控制器与基于CBF的安全关键控制，证明CAV协同及与HV网联可兼顾稳定与安全。
2024-06-17 cs.SY eess.SY
A Cooperative Control Framework for CAV Lane Change in a Mixed Traffic Environment
在为联网和自动驾驶汽车（CAV）做准备时，一个令人担忧的方面是过渡时代，其特点是混合交通（CAV和人类驾驶车辆（HDV）共享道路）。与CAV将改善道路安全的期望一致，道路上的CAV可能会采取相当保守的控制策略，这可能会导致HDV不适当地利用CAV的保守性，以危及安全的方式驾驶。这种情况的一个背景是CAV变道。如果没有交通流中其他车辆的配合，CAV在密集的高速交通条件下变道可能非常不安全。相邻车辆的配合是必不可少的。为了解决这个问题，本文开发了一个控制框架，连接HDV和CAV可以合作，以促进安全和有效的变道的CAV。在整个换道过程中，通过控制框架中的防撞机制，不仅确保了CAV的安全，而且还确保了所有相邻车辆的安全。根据CHDV-CAV协作的环境水平分析了总体交通流效率。分析结果包括CAV换道可行性、换道总持续时间。车道变换是多车道公路交通干扰的主要来源，影响了多车道公路的交通流效率。在提供一个控制框架的车道变化在混合交通中，本研究表明如何CHDV-CAV合作，可以帮助提高系统的效率。
2020-10-12 cs.SY eess.SY
Leading Cruise Control in Mixed Traffic Flow: System Modeling, Controllability, and String Stability
互联和自动驾驶汽车（CAV）在改善道路交通系统方面具有巨大潜力。现有的CAV纵向控制策略大多关注下游交通状况，而忽略了CAV行为对上游交通流的影响。在本文中，我们引入了领先巡航控制（LCC）的概念，其中CAV保持车辆跟随操作适应其前车的状态，也旨在引导其后续车辆的运动。具体地说，通过控制CAV，LCC的目的是衰减下游的交通扰动和平滑上游的交通流主动。我们首先提出了LCC的动态建模，重点放在三个基本场景：汽车跟随，自由驾驶和联网巡航控制。通过可控性、可观性和首尾串稳定性分析，揭示了LCC在改善混合交通流性能方面的可行性和潜力。大量的数值研究表明，将后方车辆的信息纳入CAV的控制中，进一步加强了CAV的交通扰动消散能力。
2021-07-23 cs.SY eess.SY
Stochastic Time-Optimal Trajectory Planning for Connected and Automated Vehicles in Mixed-Traffic Merging Scenarios
针对混合交通汇入场景，本文提出一种基于数据驱动人类驾驶行为预测与不确定性量化的CAVs随机时间最优轨迹规划与重规划框架，并在真实仿真环境中验证了其性能。
2023-10-31 cs.SY eess.SY
Traffic Flow Characteristics and Lane Use Strategies for Connected and Automated Vehicle in Mixed Traffic Conditions
管理车道，例如互联和自动驾驶车辆（CAV）专用车道，不仅可以提供技术便利，还可以为道路使用者在不久的将来采用CAV提供所需的市场激励。在本文中，我们调查了两种配置的管理车道在不同的市场渗透率的交通流特性和量化的好处，从车道级车头时距分布，燃料消耗，通信密度和整体网络性能的角度。研究结果表明：1）CAV专用车道显著扩展了速度-流图的稳定区域，提高了道路通行能力;结果表明，在90%的市场渗透率下，一条CAV车道的最高流量为3,400辆/小时/车道; 2）CAV集中在一条车道上，导致车头时距分布较窄（标准差较小），即使部分市场渗透; 3）CAV专用车道还能消除非均匀交通流引起的双钟形分布;以及4）专用CAV通道创建更一致的CAV密度，这促进了通信活动并降低了分组丢弃的概率。
2021-02-06 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
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
A Coordinated Routing Approach for Enhancing Bus Timeliness and Travel Efficiency in Mixed-Traffic Environment
Systems Engineering Program, Cornell University（康奈大学系统工程项目）
本文提出一种协调路由方法，利用实时交通数据优化公交准点率和CAVs出行效率。
2026-03-07 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
Flow-Aware Platoon Formation of Connected Automated Vehicles
互联自动驾驶汽车（CAV）通过在道路上形成短车头时距的车队，带来了增加交通容量和能源效率的希望。然而，在低CAV渗透率下，容量增益将很小，因为随机进入道路的CAV将分布稀疏，从而降低了形成长排的可能性。许多研究者建议通过队列组织策略来解决这个问题，其中CAV搜索道路上的其他CAV，并且在必要时改变车道以形成更长的队列。然而，目前的文献并没有分析潜在的风险，车队组织中断的流量和减少能力，诱导更多的车道变化。在这项研究中，我们使用的驾驶模型的协同自适应巡航控制（CACC）的车辆和人类驾驶的车辆进行了验证与现场实验，发现队列组织确实可以降低容量与更多的车道变化。但是当交通需求远低于容量时，队列组织形成更长的CAV队列而不减少流量。基于这一发现，我们开发了流量感知的队列组织策略，其中CAV根据当地交通状态有条件地执行队列组织，即，低流量和高速度。我们模拟了一个现实的高速公路网络上的流量感知车队组织，并表明，CAV成功地形成更长的车队，同时确保最大的交通流量。
2021-08-12 cs.SY eess.SY
Hypergame-based Cognition Modeling and Intention Interpretation for Human-Driven Vehicles in Connected Mixed Traffic
本文利用超博弈理论建模人驾车辆的认知局限，提出分层认知框架与逆学习算法，实现意图解释和分布式轨迹规划，仿真验证了其准确性与安全性。
2025-10-17 cs.MA cs.SY eess.SY
Data-Driven Predictive Control for Connected and Autonomous Vehicles in Mixed Traffic
互联和自动驾驶车辆（CAV）的协同控制为混合交通带来了巨大的好处。大多数现有的研究集中在基于模型的控制策略，假设人驾驶车辆的跟车动力学是明确已知的。在本文中，而不是依赖于一个参数的汽车跟驰模型，我们引入了一个数据驱动的预测控制策略，以实现安全和最佳的混合交通中的CAV控制。首先，我们提出了一个线性化的混合交通系统的动力学模型，并研究其可控性和可观性。基于这些控制理论特性，我们提出了一种新的DeeP-LCC（数据驱动的预测领先巡航控制）策略的CAV的基础上可测量的驾驶数据，以平滑混合交通。我们的方法是实现在一个滚动的地平线的方式，其中输入/输出约束被纳入实现无碰撞的保证。非线性交通模拟显示，在城市外驾驶循环的制动情况下，它可以节省高达24.96%的燃油消耗，同时确保安全。
2022-03-25 cs.SY eess.SY
Decentralized On-Ramp Merging Control of Connected and Automated Vehicles in the Mixed Traffic Using Control Barrier Functions
互联车辆与自动驾驶车辆（CAV）的协同控制是缓解交通拥堵、提高交通安全的有效途径，特别是在入口匝道瓶颈路段。然而，在混合交通中，人类驾驶车辆（HDVs）的不确定性使得CAV的入口匝道并入控制更具挑战性。针对混合交通条件下高速公路入口匝道的CAV合流控制问题，提出了一种分散最优控制方法。我们首先制定的最优合并控制问题，其中包括安全和车辆动力学的约束，以最小化行程时间和能源消耗的目标。然后，提出了一种结合控制障碍函数和控制李雅普诺夫函数的控制框架。CBF使系统受到安全关键约束，而CLF使系统稳定到目标。此外，为了有效控制混合交通流中的CAV，提出了一种递归合并控制框架，将HDV视为干扰，CAV重复收集周围车辆的状态并递归更新其轨迹，以满足严格的合并要求。最后，合并问题被重新表述为一个二次规划问题，它允许实时应用。仿真结果表明，所提出的入口匝道合流控制方法具有较强的鲁棒性，能有效地抑制HDV的干扰，提高车辆的通行效率和节能效果。
2021-11-01 cs.SY eess.SY
Mixed Traffic: A Perspective from Long Duration Autonomy
针对混合交通下V2I融合的挑战性问题，提出面向允许红灯右转交叉口的CAV长时程自主控制器，结合CBF约束实现安全准时通行，证明策略可行并经仿真验证。
2025-06-17 cs.SY eess.SY
Robust Platoon Control in Mixed Traffic Flow Based on Tube Model Predictive Control
协同自适应巡航控制系统的设计在混合交通流中至关重要，其中互联自动驾驶车辆（CAV）和人类驾驶车辆（HDV）共存。与纯CAV相比，主要的挑战是如何处理HDV的预测不确定性，这可能会导致CAV的状态偏离规划轨迹。在现有的研究中，模型预测控制（MPC）被用来重新规划CAV的轨迹，以减轻在每个时间步的偏差。然而，由于重规划过程通常是通过利用车辆间通信的信息来解决优化问题来进行的，因此MPC方法遭受沉重的计算和通信负担。为了解决这一问题，本文提出了一种基于管道MPC的鲁棒队列控制框架。预测的不确定性是动态缓解的反馈控制，并限制在一个集内的高概率。当不确定性超过设定值或出现额外的外部干扰时，前馈控制被触发以规划“管”（设定值的序列），其可以约束CAV的实际轨迹。由于该方法不需要重新规划过程，因此与MPC方法相比，该方法在计算和通信方面更加有效。提供了全面的模拟，以验证所提出的框架的有效性。
2020-07-20 cs.SY eess.SY
A Computationally Efficient Bi-level Coordination Framework for CAVs at Unsignalized Intersections
针对无信号交叉口CAV协调问题，提出基于MCTS和轨迹规划的双层框架，在保证近最优吞吐量的同时实现计算复杂度随车辆数线性增长。
2023-10-21 cs.SY eess.SY
Leading Cruise Control in Mixed Traffic Flow
车对车（V2V）通信在改善交通系统性能方面具有巨大潜力。现有的联网自动驾驶汽车（CAV）的研究大多集中在对下游交通状况的适应上，忽略了CAV的行为对上游交通流的影响。在本文中，我们引入了领先巡航控制（LCC）的概念，保留了基本的汽车跟随操作，并明确考虑了CAV的行动对后面的车辆的影响。我们首先提出了一个详细的建模过程LCC。然后，严格的可控性分析验证了利用CAV作为领导者的可行性，积极引导其后续车辆的运动。此外，在充分利用V2V连接性的情况下，推导了LCC的头到尾传递函数。数值研究证实了LCC在增强CAV抑制交通不稳定性和平滑交通流能力方面的潜力。
2020-07-23 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
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
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
Safe Optimal Interactions Between Automated and Human-Driven Vehicles in Mixed Traffic with Event-triggered Control Barrier Functions
针对混合交通中HDV行为未知且难预测的问题，提出基于事件触发CBF的在线模型估计与数据驱动安全控制框架，将CAV最优控制转化为事件触发二次规划，确保无碰撞并验证其鲁棒性。
2023-10-01 cs.SY eess.SY
Combined Optimal Routing and Coordination of Connected and Automated Vehicles
在这封信中，我们考虑了一个交通网络，其联网和自动化车辆（CAV）的渗透率为100\%，并提出了一种最佳路由方法，该方法考虑了通过在特定交通场景下协调CAV在网络中实现的效率，例如，交叉口、合并道路和环形交叉口。为了得到旅行请求的最佳路线，我们使用已经接收到路线解决方案的CAV的信息。这使得每个CAV都能够考虑道路上的交通状况。任何新的旅行请求的解决方案确定在每个交通场景下的最佳旅行时间，同时满足所有状态，控制和安全约束。我们通过数值模拟验证我们的框架的性能。据我们所知，这是第一次尝试考虑协调的CAV在路由问题。
2022-05-17 cs.SY eess.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
Information Flow Topology in Mixed Traffic: A Comparative Study between "Looking Ahead" and "Looking Behind"
本文从串稳定性角度比较混合交通中“向前看”与“向后看”两种信息流拓扑，发现“向后看”策略更优，且增大最大车队规模可进一步提升稳定性。
2023-09-04 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
Coordination for Connected Automated Vehicles at Merging Roadways in Mixed Traffic Environment
本文提出一种最优控制框架，结合低层能量最优控制与上层最小行驶时间优化，并利用Newell模型预测人类驾驶车辆轨迹及基于控制障碍函数的安全过滤器，解决合流场景中混合交通下联网自动驾驶车辆的运动协调问题。
2023-09-07 cs.SY eess.SY
Efficient MILP-based Urban Network Traffic Control in Mixed Autonomy with Dynamic Saturation Rates
Aalto University（阿尔托大学）；KU Leuven（鲁汶大学）
本文提出一种基于扩展多商品存储转发模型的交通控制策略，通过动态饱和率和信号 timings 优化混合自主环境下的交通流量，提升实时交通调控效率。
2026-08-28 cs.SY eess.SY
Modelling and Analysis of Car Following Algorithms for Fuel Economy Improvement in Connected and Autonomous Vehicles (CAVs)
The Ohio State University（俄亥俄州立大学）
地面车辆的连接允许车辆彼此共享关键的车辆数据，例如车辆加速度。另一方面，使用诸如相机、雷达和激光雷达的传感器，可以检测领头车辆和主车辆之间的车内距离以及相对速度。协同自适应巡航控制（CACC）建立在地面车辆连接和传感器信息的基础上，形成具有自动车辆跟随的车队。CACC还可用于提高所述车队中车辆的燃油经济性和机动性。本文提出了三种CAV燃油经济性跟驰算法。设计了一种自适应巡航控制（ACC）算法作为比较基准模型。设计了一种协同式自适应巡航控制系统（CACC），该系统利用V2 V接收到的前车加速度进行跟车控制。开发了生态协同自适应巡航控制（Eco-CACC）模型，将不稳定的领先车辆加速度视为要衰减的干扰。设计了一种高水平控制器，用于当领头车辆是一个不稳定的驾驶员时进行决策。运行模型在环（MIL）和硬件在环（HIL）仿真来测试这些车辆跟随算法的燃油经济性性能。结果表明，HL控制器能够获得一个平稳的速度剖面，通过使用CACC和生态CACC比ACC对应的消耗更少的燃料时，领先的车辆不稳定。
2022-03-25 cs.RO cs.SY eess.SY
Comparison of Cooperative Driving Strategies for CAVs at Signal-Free Intersections
用于规划和控制交叉口处的互联和自动驾驶车辆（CAV）的协作驾驶策略的属性范围从实现高效协调性能的一些策略到实现计算快速的其他策略。本文综合比较了四种具有代表性的策略在不同条件下的行程时间、能耗、计算时间和公平性的性能，包括交叉口的几何配置、交通到达率的不对称性以及这些速率的相对大小。我们基于仿真的研究得出了以下结论：1）基于蒙特卡罗树搜索（MCTS）的策略实现了最佳的流量效率，而基于动态重排序（DR）的策略是能量最优的;这两种策略在所有感兴趣的指标上都表现良好。当计算量足够时，推荐采用MCTS策略;当计算量不足时，推荐采用DR策略; 2）非对称交叉口对策略的影响显著，而到达率的影响可以忽略。当几何形状不对称时，改进的先进先出（FIFO）策略的性能明显优于先进先出（FIFO）策略，并且在流量需求适中的情况下效果较好，但在其他情况下性能相似; 3）提高交通效率有时会以公平为代价，但是DR和MCTS策略可以通过适当地设计它们的目标函数来调整以实现各种性能度量之间的更好的折衷。
2020-10-07 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
Trust-Aware Resilient Control and Coordination of Connected and Automated Vehicles
Boston University（波士顿大学）；Massachusetts Institute of Technology（麻省理工学院）
针对CAV通过冲突区域时遭受Sybil攻击及不合作车辆影响的问题，提出基于信任框架的去中心化弹性控制与协调方案，保证无碰撞安全并缓解拥堵。
2023-06-03 cs.AI cs.MA cs.SY
Safety-Critical Traffic Control by Connected Automated Vehicles
针对混合自主交通中CAV纵向控制的安全问题，本文提出结合控制屏障函数与二次规划的安全关键交通控制策略，采用状态观测器应对信息缺失，仿真验证其可实现串稳定且可证明安全的交通控制。
2023-01-12 cs.SY eess.SY
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
Safe Merging in Mixed Traffic with Confidence
University of Delaware（特拉华大学）；Cornell University（康奈尔大学）
本研究提出一种无需特定模型结构或先验分布的混合交通人类驾驶行为学习方法，结合共形预测提供理论安全保障，设计了可实现网联自动驾驶车辆与人类驾驶车辆安全汇入的控制器，并通过真实数据与数值仿真验证了有效性。
2024-03-09 cs.RO 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
A Continuification Approach to CAV Control in Mixed Traffic via Variable Speed Limits
The Ohio State University（俄亥俄州立大学）；University of Genova（热那亚大学）
提出一种基于连续化方法的CAV控制策略，通过设计PDE上的LQR控制器确定最优可变限速，再转化为各CAV的输入速度，以降低多CAV控制的计算负担。
2026-06-08 cs.SY eess.SY
Overview of Sensing Attacks on Autonomous Vehicle Technologies and Impact on Traffic Flow
本文综述针对CAV摄像头、LiDAR、Radar、超声波传感器和GPS的感知攻击，并结合硬件在环实验与微观交通仿真分析其对交通流的宏观影响。
2024-01-26 cs.SY eess.SY
Decentralized Robust Data-driven Predictive Control for Smoothing Mixed Traffic Flow
针对混合交通中集中式CAV控制的可扩展性、隐私性与鲁棒性问题，提出去中心化鲁棒DeeP-LCC方法，通过本地数据计算与邻域交互扰动建模，在保障隐私与安全的同时提升计算效率与交通流平滑效果。
2024-10-06 cs.SY eess.SY math.OC
Network traffic instability in a two-ring system with automated driving and cooperative merging
本文研究了连接和/或自动驾驶车辆（CAVs或AVs）的转向和汇入操作对网络交通不稳定性的影响，通过宏观或网络基本图（MFD或NFD）进行分析。研究重新审视了两环系统并开发了包含不同微观交通模型的综合建模框架，结果表明转向和汇入操作引起的网络交通不稳定性是道路网络的固有属性。当转向概率较低时，CAVs不会显著改变NFD分岔，但散射会减少模拟链接基本图（FDs）和NFDs，导致更高的稳定网络流量。当转向概率较高时，非合作性AVs会加剧网络交通不稳定性，NFD在达到临界密度之前就发生分岔。结果强调了在道路网络中广泛部署AVs时协同汇入对网络交通稳定性的重要影响。
2020-12-18 cs.SY eess.SY math.OC
Traffic Shaping and Hysteresis Mitigation Using Deep Reinforcement Learning in a Connected Driving Environment
基于多代理深度强化学习的流量整形框架。所提出的框架提供了一个关键的优势，现有的拥塞管理策略，这是能够减轻滞后现象。与现有的拥堵管理策略，重点是故障预防，建议的框架是非常有效的故障形成后。所提出的框架假设共享信息的自动驾驶汽车之间的部分连接。该框架要求由一维纵向控制定义的基本自主水平。该框架主要使用集中式训练、集中式执行的多智能体深度强化学习方法构建，其中纵向控制由加速或减速命令的信号定义，然后由所有智能体统一执行。用于框架的训练和测试的模型基于众所周知的双深度Q-学习算法，该算法将交通流内的流的平均状态作为模型输入，并以加速或减速值的形式输出动作。我们证明了该模型的能力，塑造交通状态，减轻滞后的负面影响，甚至提高交通流量超过其原来的水平。本文还确定了所需的CAV的最小百分比，以成功地塑造交通均匀分布的CAV的假设下，在循环系统。这项工作中说明的框架不仅显示了强化学习在解决这些挑战方面的理论适用性，而且还提出了一种现实的解决方案，只需部分连接和连续监控系统的平均速度，这可以通过使用现成的传感器来实现，这些传感器可以测量与CAV合理接近的车辆速度。
2023-02-06 cs.MA 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
Partially Connected Automated Vehicle Cooperative Control Strategy with a Deep Reinforcement Learning Approach
提出了一种基于深度强化学习（DRL）算法的部分连接和自动化交通环境下的连接和自动化车辆（CAV）纵向控制协同策略，提高了混合交通的串稳定性、车辆跟驰效率和能源效率。由于混合交通的序列是组合的，为了减少训练维度和减轻通信负担，我们将混合交通分解成多个子系统，每个子系统由人类驾驶的车辆（HDV），其次是合作的CAV。在此基础上，提出了基于深度强化学习算法的CAV协同控制策略，使CAV能够学习主导HDV的特性，协同做出纵向控制决策，局部改善各子系统的性能，从而提高整个混合交通流的性能。对于训练，应用分布式邻近策略优化以确保所提出的DRL的训练收敛。仿真实验结果表明，该模型具有较强的泛化能力，能够有效抑制车辆的振荡，在不同的车辆穿透率和不同的先导行为下有效地完成车辆跟驰和节能任务.保留字：部分连接自动交通环境，协同控制，深度强化学习，流量振荡抑制，能量效率
2020-12-03 cs.SY eess.SY
Evaluation of the Energy Efficiency in a Mixed Traffic with Automated Vehicles and Human Controlled Vehicles
University of Michigan（密歇根大学）
本文评估了混合交通中自动驾驶车辆与人工驾驶车辆的能量效率，提出车道变更模型模拟人类驾驶员的礼貌与耐心特性，并通过案例研究展示不同前车轨迹对能量消耗的影响。
2018-06-01 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
Distributed Cooperative Control and Optimization of Connected Automated Vehicles Platoon Against Cut-in Behaviors of Social Drivers
互联自动驾驶汽车（CAV）为提高交通吞吐量和降低能耗带来了新的机遇。然而，不确定的车道变换行为（LCB）的周围车辆（SV）作为一个不可控的因素，显着威胁到行驶安全和一致的运动的一组排CAV。如何在复杂的交通环境中保证安全、高效、节油的排控是研究人员面临的一个关键挑战。针对由多辆CAV和可能的人类驾驶车辆（HDV）组成的混合交通流，提出了一种动态的车队管理和协同驾驶框架。在所提出的框架中，领导者CAV的排提供了一个高层次的自动驾驶决策的追随者CAV通过开发一个最佳的轨迹估计的HDVs，而分布式的观察员和跟踪控制器是正确的实现由追随者CAV。具体而言，拟议框架包括三个阶段。在观察阶段，领队CAV将通过Cellular-Vehicle-to-X（C-V2X）基础设施收集所有SV的巡航信息，同时构建自动决策驾驶辅助系统（ADMDSS）以确定队列的驾驶状态。在预测阶段，当HDV接近编队通信范围时，利用C-V2X基础设施对作为目标车辆的HDV的轨迹进行估计，并分别启动引导CAV的参考轨迹规划和跟随CAV的协同控制器设计。仿真算例验证了所提方法的有效性。
2022-09-02 cs.SY eess.SY
Cluster-Wise Cooperative Eco-Approach and Departure Application for Connected and Automated Vehicles along Signalized Arterials
本文提出集群协同节能进退应用，通过车辆集群协调减少能耗，降低污染排放并提升交通 throughput。
2018-08-28 cs.SY eess.SY
Distributed Dynamic Platoons Control and Junction Crossing Optimization for Mixed Traffic Flow in Smart Cities- Part II. Stability, Optimization, and Performance Analysis
在第二部分中，我们提出了一个完全分布式的非线性可变车头时距空间策略，以确保随后的安全巡航和交叉路口，其中多个邻居刺激的合作感知和合作跟踪的跟随连接的自动驾驶汽车（CAV）的领导者CAV，这将导致一个异构的交通流动态。一旦适当的长度的ADSCAS所确定的第一部分的特点是形成的，我们提出了一个合作的观察员设计，以估计领导CAV的加速度调整，这是由未知的交通灯。我们将证明，分布式和弹性非线性队列控制和交叉路口问题将通过鲁棒的协同轨迹跟踪优化算法来解决，以确保队列的快速形成和分裂以及有限时间范围内的安全交叉路口巡航，同时考虑到周围车辆（SV）的社会驾驶行为（SDB），跟随CAV的动态，以及即将到来的交通信号时刻表，同时最小化整个排的燃料消耗。通过性能分析和实例验证了所提出的多队列动态管理方法的有效性，同时也表明，CAV与人驾驶车辆（HDV）之间的协作可以进一步平滑行驶轨迹，降低燃油消耗，提高混合交通流的安全性
2022-09-02 cs.SY eess.SY
Experimental Validation of a Real-Time Optimal Controller for Coordination of CAVs in a Multi-Lane Roundabout
University of Delaware（特拉华大学）
结合其他交通情况的圆形广告，例如，由于驾驶员对各种干扰的响应，交叉口、合并道路、减速区可能引起交通网络中的拥塞。研究工作表明，平滑交通流量和消除走走停停的驾驶既可以提高车辆的燃油效率，也可以提高环形交叉口的吞吐量。在本文中，我们验证了最优控制框架早期开发的多车道环形交叉路口的情况下，使用特拉华大学的规模智能城市（UDSSC）。我们首先提供的解决方案是最优的条件。然后，我们证明了解决方案的可行性，在UDSSC的实验，并表明，最优解完全消除走走停停的驾驶，同时保持安全。
2020-05-18 cs.RO cs.SY eess.SY
