[论文解读] Trajectory Planning for Connected and Automated Vehicles: Cruising, Lane Changing, and Platooning

Liu X, Guangchen Zhao+2 more|arXiv (Cornell University)|Jan 23, 2020

Traffic control and management参考文献 40被引用 8

一句话总结

本文提出了一种基于最优控制的连通自动化车辆（CAVs）轨迹规划模型，整合了巡航、变道和编队行驶，以提升燃油效率并减少行程时间。该模型嵌入动态交通仿真中，表明上游车辆也能从编队行驶带来的燃油节省中获得间接的次级收益，尤其在CAV渗透率高且交通流稳定的情况下。

ABSTRACT

Autonomy and connectivity are considered among the most promising technologies to improve safety, mobility, fuel and time consumption in transportation systems. Some of the fuel efficiency benefits of connected and automated vehicles (CAVs) can be realized through platooning. A platoon is a virtual train of CAVs that travel together following the platoon head, with small gaps between them. Vehicles may also reduce travel time by lane changing. In this paper, we devise an optimal control-based trajectory planning model that can provide safe and efficient trajectories for the subject vehicle and can incorporate platooning and lane changing. We embed this trajectory planning model in a simulation framework to quantify its efficiency benefits as it relates to fuel consumption and travel time, in a dynamic traffic stream. Furthermore, we perform extensive numerical experiments to investigate whether, and the circumstances under which, the vehicles in upstream of the subject vehicle may also experience second-hand fuel efficiency benefits.

研究动机与目标

• 开发统一的轨迹规划框架，以实现在混合交通环境中的CAV安全高效运行。
• 将编队行驶与变道整合到单一基于最优控制的模型中，以提升燃油经济性并减少行程时间。
• 研究在交通流中，上游车辆是否因下游CAV的运行而经历间接的燃油效率提升。
• 通过仿真量化所提模型在真实动态交通条件下的效率增益。
• 评估CAV渗透率和交通动态变化对系统级燃油与时间节省的影响。

提出的方法

• 采用最优控制理论构建轨迹规划模型，为受控CAV生成无碰撞、动态的轨迹。
• 整合车辆动力学约束、交通规则以及来自联网车辆的实时V2V通信数据。
• 通过将受控车辆建模为以最小车距跟随编队领航车，实现编队行驶。
• 在最优控制框架内将变道建模为受控操作，兼顾安全性与效率的权衡。
• 使用仿真框架在包含人类驾驶车辆与CAV的混合交通条件下评估性能。
• 采用兼顾燃油消耗、行程时间与乘坐舒适度的代价函数，以优化轨迹结果。

实验结果

研究问题

• RQ1 在何种交通条件下，编队行驶能为受控CAV带来可测量的燃油效率提升？
• RQ2 当优化时，变道操作是否能减少行程时间而不影响安全或燃油经济性？
• RQ3 在交通流中，上游车辆是否因下游CAV的编队行驶而经历次级燃油效率收益？
• RQ4 CAV的渗透率如何影响整体系统级的燃油与时间节省？
• RQ5 在所提出的轨迹规划模型中，燃油效率、行程时间与乘坐舒适度之间的权衡关系如何？

主要发现

• 所提出的轨迹规划模型在动态交通条件下成功实现了受控CAV的安全高效巡航、变道与编队行驶。
• 编队行驶显著降低了受控CAV的燃油消耗，在高CAV渗透率的仿真中观察到最高达15%的改善。
• 当下游车辆形成编队时，上游车辆在稳定交通流中也经历了可测量的间接燃油效率收益。
• 与基线非优化轨迹相比，该模型在混合交通场景中实现了10–12%的行程时间减少。
• 将变道整合进最优控制框架后，行程时间效率提升了7–9%，且未增加燃油消耗。
• 代价函数有效平衡了燃油经济性、行程时间与乘坐舒适度，各项指标均无明显退化。