Simulation-based Optimization of Toll Pricing in Large-Scale Urban Networks using the Network Fundamental Diagram: A Cross-Comparison of Methods
基于仿真的优化(SO或SBO)对于解决具有挑战性的交通网络设计问题变得越来越重要。在本文中,我们提出了解决两个不同层次的复杂性使用的宏观或网络基本图(MFD或NFD)的概念,其中大规模的基于仿真的动态交通分配模型,澳大利亚墨尔本,收费定价问题。四个计算效率SBO方法,包括比例积分(PI)控制器,回归克里格(RK),划分矩形(DIRECT),和同时扰动随机逼近(SPSA)的应用和比较。比较结果表明,这些方法同样适用于简单的问题,没有表现出显着的性能差异。但是,对于复杂的问题,RK证明自己是性能最好的方法,这要归功于它能够过滤掉计算机模拟产生的数值噪声(即允许目标函数的非平滑性)。虽然PI控制器是一个更有竞争力的解决方案,简单的问题,它的收敛速度更快,在复杂的问题的方法的可扩展性差的结果在有限的适用性。然而,有两个警告值得强调:(i)NFD的所选临界网络密度不一定代表鲁棒的网络控制或优化阈值,因为它可能在存在收费定价的情况下发生变化;以及(ii)为了实现全局收敛,需要重新插值作为RK的一部分。
2020-11-24 cs.SY eess.SY math.OC
Optimal distance- and time-dependent area-based pricing with the Network Fundamental Diagram
University of New South Wales(新南威尔士大学);Monash University(蒙纳士大学);Southeast University(东南大学)
本文提出了一种基于网络基本图的最优距离和时间依赖区域定价模型,通过模拟优化框架评估不同定价场景下的网络性能,展示了JDTT和JDDT在减少迟滞环和实现控制目标方面的有效性。
2019-04-26 cs.SY eess.SY math.OC
Real-Time Predictive Control Strategy Optimization
本文提出一种结合实时控制策略优化与预测网络状态引导的框架,通过可扩展遗传算法求解动态通行费优化问题,在新加坡路网实验中使出行时间最高减少9%且满足实时计算要求。
2019-01-14 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
Maximin Headway Control of Automated Vehicles for System Optimal Dynamic Traffic Assignment in General Networks
本文提出最大最小车头时距控制框架,在自动化路网中寻找仍能实现系统最优动态交通分配的最大车头时距,并开发高效求解算法,为SO-DTA非唯一解选择及自动驾驶安全裕度提供依据。
2024-06-11 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
Optimal Scheduling of Road Maintenance Jobs Considering Impact on Traffic Flows
该研究针对路网养护规划中反复求解均衡交通流计算成本过高的问题,提出以优化均衡解为真值的数据驱动代理模型,经纽瓦克交通数据验证,可作为可扩展构件用于养护调度框架。
2026-08-17 cs.AI cs.SY eess.SY
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
Balancing Fairness and Efficiency in Traffic Routing via Interpolated Traffic Assignment
系统最优(SO)路由,其中所有用户的总旅行时间最小化,是一个圣杯的运输当局。然而,SO路由可能会歧视那些为了实现高系统效率而招致比其他人大得多的旅行时间的用户,即,总旅行时间短。为了解决SO路由固有的不公平性,我们研究了$β$ -公平SO问题,其目标是最大限度地减少总旅行时间,同时保证${β\geq 1}$水平的不公平性,它指定了最大可能的比例之间的旅行时间的不同用户共享的起源和目的地。为了获得可行的解决方案的$β$ -公平SO问题,同时实现高系统效率,我们开发了一个新的凸规划,插值交通分配问题(I-TAP),它插入之间的公平促进和效率促进交通分配目标。我们评估的效率I-TAP通过理论界的总系统的旅行时间和水平的不公平性方面的插值参数,以及I-TAP和一个国家的最先进的算法在一系列的交通网络之间的数值比较。数值结果表明,我们的方法是快了几个数量级的基准算法相比,同时实现更高的系统效率为所有理想的水平的不公平。我们进一步利用I-TAP的结构,开发两种定价机制,共同执行I-TAP解决方案中存在的自私的同质和异构的用户,分别独立地选择路线,以尽量减少自己的旅行成本。我们提到,这是第一次在一般道路网络公平路由的背景下研究定价(与之相反,例如,平行公路网)。
2022-02-09 cs.CY cs.SY eess.SY
Computing Feasible Vehicle Platooning Opportunities for Transport Assignments
KTH Royal Institute of Technology(皇家理工学院)
本文提出一种方法,通过提取运输分配特征,高效识别可能编队的车辆对,减少计算量,最终确定编队可行性。
2016-02-24 cs.SY eess.SY
Design and Stability Analysis of a Shared Mobility Market
近年来,我们目睹了城市中共享汽车的使用量激增。共享出行为未来的繁忙城市道路提供了一个没有拥堵的未来,因为旅行者、乘客和司机的数量不断增加。然而,考虑到出行者和共享汽车运营商的行为决策,问题是“我们如何确保出行者和车辆之间的分配是社会可接受的?换句话说,我们如何设计一个共享移动系统,为每个旅行者分配“正确”的车辆?在本文中,我们设计了一个由交通网络中的旅行者和车辆组成的共享移动市场。我们制定了一个线性规划问题,并得出最佳的分配之间的旅行者和车辆。此外,我们提供了稳定的旅行者和车辆的利润分配的充分必要条件。我们的目标是双重的:在保证人车利益分配的可行性和稳定性的前提下,以最优分配最大化所有出行者的社会福利,同时尊重出行者和车辆运营者的决策。
2020-11-18 cs.SY eess.SY
A Multiclass Simulation-Based Dynamic Traffic Assignment Model for Mixed Traffic Flow of Connected and Autonomous Vehicles and Human-Driven Vehicles
互联和自动驾驶车辆(CAV)的潜在能力之一是,与人类驾驶车辆(HDV)相比,它们可以具有不同的路线选择行为和驾驶行为。这将导致具有多种类别的路线选择行为的混合交通流。因此,解决CAV和HDV混合交通中的多类交通分配问题(TAP)是非常重要的。很少有研究试图解决这个问题;然而,大多数使用解析解决方案,这在真实和大型网络中(特别是在动态情况下)具有挑战性。此外,在实施基于仿真的方法的研究没有考虑到所有的CAV的潜在能力。另一方面,在这些研究中,对CAV的路径选择行为做出了几个不同的(相互冲突的)假设。因此,提供一个工具,可以解决混合交通在不同的假设下的多类TAP可以帮助研究人员更好地了解CAV的影响。为了填补这些空白,这项研究提供了一个开源的解决框架的多类仿真为基础的混合交通的CAV和HDV的交通分配问题。该模型假设CAV遵循系统最优原则,具有改航能力,而HDV遵循用户均衡原则。此外,该模型可以捕捉CAV对道路通行能力的影响,考虑不同的驾驶行为模型在微观和中观尺度的交通模拟。该模型在两个案例研究中进行了测试,结果表明,随着CAV渗透率的增加,所有车辆的总行程时间减少。
2023-01-26 cs.SY eess.SY
On Socially Optimal Traffic Flow in the Presence of Random Users
Indian Institute of Technology Kanpur(印度坎普尔理工学院)
本文研究了在随机用户存在下如何通过在线方法确定社会最优交通流,提出了一种基于Frank-Wolfe算法的随机算法,并通过仿真验证了其有效性。
2018-10-18 cs.SY eess.SY
Multi-Agent Task Assignment in Vehicular Edge Computing: A Regret-Matching Learning-Based Approach
最近提出了车辆边缘计算,以支持智能交通系统(ITS)中的计算密集型应用,如自动驾驶汽车和增强现实。尽管在这一领域取得了进展,但仍然存在重大挑战,以有效地将有限的计算资源分配给一系列时间关键的ITS任务。为此,本文提出了一种新的任务分配方案的车辆在高速公路上。由于车辆的高速和有限的通信范围的路侧单元(RSU),参与车辆的计算任务是动态迁移到多个服务器。我们制定了一个二进制非线性规划(BNLP)问题分配计算任务从车辆RSU和一个宏蜂窝基站。为了处理潜在的大规模制定的优化问题,我们开发了一个分布式多智能体遗憾匹配学习算法。该算法基于遗憾最小化原则,采用遗忘方法,使学习过程能够快速适应并有效处理车辆网络的高移动性特征。我们从理论上证明了它收敛于所考虑的BNLP问题的相关平衡解。仿真结果表明,该算法具有最低的总延迟和处理任务的成本,以及代理之间的效用公平性。重要的是,随着问题规模的增长,我们的算法收敛速度比现有方法快得多,这表明它在大规模车辆网络中具有明显的优势。
2022-12-17 cs.SY eess.SY
Impact of Strategic Electric Vehicles Driving Behavior on the Grid
在交通电气化的背景下,耦合电动汽车(EV)的驾驶和充电决策模型被认为是。虽然交通分配问题(TAP)被认为是驾驶部分,充电操作是在一个简单的配电网络上的准确的负载流。此设置允许精确评估驾驶和充电决策的耦合影响。特别地,为了调度来自驾驶部分的充电需求,根据基于负载流计算的成本度量来定义和比较不同的充电策略。鉴于此度量,所提出的非基于潮流的策略可以执行类似于基于潮流的策略,并且具有显著减少的计算时间和数据需求。数值模拟显示了运输费用如何影响收费结果。
2021-11-12 cs.GT cs.SY eess.SY
An Adaptive Coverage Control Approach for Multiple Autonomous Off-road Vehicles in Dynamic Agricultural Fields
Dept. of Electrical and Computer Engineering, The University of Memphis, Memphis, TN 38152 USA(电气与计算机工程系,密苏里州孟菲斯大学)
本文提出一种自适应覆盖控制方法,利用无人机检测障碍物和地形,动态调整越野无人地面车辆的覆盖路径,以应对动态农业环境,仿真验证了其提高效率并保持稳健覆盖。
2025-09-08 cs.RO cs.SY eess.SY
Where to Decide? Centralized vs. Distributed Vehicle Assignment for Platoon Formation
针对车队编队中的车辆分配问题,提出基于车辆速度和位置相似度的优化模型,对比集中式MIP求解、集中式贪心与分布式贪心三种方法,通过PlaFoSim仿真发现分布式贪心接近最优且复杂度最低。
2024-10-24 cs.MA cs.SY eess.SY
Integrated Traffic Simulation-Prediction System using Neural Networks with Application to the Los Angeles International Airport Road Network
University of Southern California(南加州大学)
交通网络非常复杂,由于缺乏足够的测量数据和准确的交通状态预测,设计有效的交通管理系统是困难的。交通仿真模型可以通过使用有限的可用交通数据来捕获交通网络的复杂动态,并且如果将适当的输入馈送到仿真器中,则可以帮助中央交通当局进行决策。在本文中,我们设计了一个集成的模拟预测系统,估计的起点-目的地(OD)矩阵的道路网络,仅使用流量信息和预测的道路网络的行为在不同的模拟场景。该系统包括一个基于优化的OD矩阵生成方法,一个神经网络(NN)模型训练预测OD矩阵通过模式的交通流和微观交通模拟器与动态交通分配(DTA)计划来预测交通系统的行为。我们测试所提出的系统的道路网络的中央终端区(CTA)的洛杉矶国际机场(LAX),这表明,集成的交通模拟预测系统可以用来模拟几个现实世界的情况下,如车道关闭,路边停车和其他变化的影响。该模型是一个有效的工具,用于了解网络变化的影响和可能的好处,并以非常低的成本分析场景,而不会中断网络。
2020-08-05 cs.LG cs.SY eess.SP
Socioeconomic Impact of Emerging Mobility Markets and Implementation Strategies
互联和自动驾驶汽车(CAV)等新兴移动系统为更方便、安全和高效的交通提供了最有趣的机会。CAV有望通过消除人为因素来显著提高安全性,并通过允许用户监控运输网络状况并做出更好的运营决策来确保运输效率。然而,CAV可能改变用户的出行倾向,导致比预期更高的交通需求,从而引起反弹效应(例如,增加车辆行驶里程)。在本章中,我们将重点关注可能导致新兴交通系统陷入不可持续拥堵水平的社会因素。我们提出了一个移动市场,该市场模拟了智能城市网络中旅行者与道路和公共交通基础设施的经济本质互动。使用机制设计的技术,我们引入适当的货币激励(例如,通行费,车费,费用),并显示如何移动系统组成的自私的旅行者,寻求旅行要么与CAV或使用公共交通工具可以是社会有效的。此外,拟议的移动市场确保旅行者始终报告他们真正的旅行偏好,并始终从参与市场中受益;最后,我们还表明,市场产生足够的收入来支付其运营成本。
2021-10-19 cs.GT cs.SY eess.SY
Estimation of urban traffic state with probe vehicles
COSYS-GRETTIA, Univ Gustave Eiffel, IFSTTAR(COSYS-GRETTIA,巴黎-沙隆大学,法国交通、道路和城市发展研究院)
本文提出了一种利用通信车辆估计城市交通状态的方法,通过分析交通灯处的排队情况,估计探测车辆的比例、链接上的车辆到达率以及每个交叉口的转弯比例,并进一步提出对双车道链接上排队长度的估计方法,以及基于此的交通信号灯优化控制和车辆分配策略。
2020-02-27 cs.SY eess.SY math.OC
Generalized Wardrop Equilibrium for Charging Station Selection and Route Choice of Electric Vehicles in Joint Power Distribution and Transportation Networks
本文提出了一个由异构电动汽车(EV)和配电系统运营商(DSO)作为球员,充电站运营商(CSO)和运输网络运营商(TNO)作为协调员组成的博弈的均衡分析。每辆电动汽车都试图选择一个充电站作为目的地,同时选择一条到达目的地的路线。然而,道路和充电站上的交通和电力负荷拥挤导致电动汽车的最优决策之间的相互依赖性。CSO和TNO需要应用一些收费来控制这种拥塞。另一方面,充电站的定价取决于实时分布式位置边际定价,这是由DSO解决配电网络上的最优潮流后确定的。本文还考虑了电动汽车,交通和分销网络的本地和耦合/基础设施的限制。该问题被建模为一个广义聚合博弈,然后提出一种分散学习方法来获得博弈的一个均衡点,即变分广义Wardrop均衡.证明了平衡点的存在性和算法的收敛性。我们进行数值研究萨凡纳城市模型和IEEE 33节点配电网,并调查各种特性对需求和价格的影响。
2023-01-26 cs.GT cs.SY eess.SY
The Braess Paradox in Dynamic Traffic
Massachusetts Institute of Technology(麻省理工学院)
本文提出动态交通网络模型,通过微观仿真在网格网络上验证布雷斯悖论的存在性,并分析新增路径对网络流量、行驶时间和容量的影响及其发生条件。
2023-04-14 cs.CY cs.RO cs.SY
Traffic Control via Connected and Automated Vehicles: An Open-Road Field Experiment with 100 CAVs
本文提出CIRCLES项目的MegaController分层控制架构,通过100辆网联自动驾驶车辆在开放道路实地实验中以集中式Speed Planner和车载控制层协同调节交通流,验证其抑制幽灵拥堵的有效性。
2024-02-26 cs.SY eess.SY
Urban Congestion Patterns under High Electric Vehicle Penetration: A Case Study of 10 U.S. Cities
Tongji University(同济大学);State Key Laboratory of Autonomous Intelligent Unmanned Systems(自主智能无人系统全国重点实验室);Frontiers Science Center for Intelligent Autonomous Systems(智能无人系统前沿科学中心);The Hong Kong Polytechnic University(香港理工大学);Shanghai Innovation Institute(上海创新研究院)
本文提出多用户均衡模型,研究高电动汽车渗透率对10个美国城市拥堵模式的影响,揭示不同城市在拥堵缓解上的异质性。
2026-02-08 cs.SY eess.SY