[论文解读] A Decentralized Optimal Control Framework for Connected Automated Vehicles at Urban Intersections with Dynamic Resequencing

Yue Zhang, Christos G. Cassandras|arXiv (Cornell University)|Sep 1, 2018

Traffic control and management被引用 4

一句话总结

本文提出了一种用于城市交叉口联网自动驾驶车辆（CAVs）的去中心化最优控制框架，通过引入动态重排序来放宽严格的先进先出（FIFO）排队约束，以最大化交通流量。通过根据实时状况重新排序CAVs，并解决能耗最小化与吞吐量最大化之间的权衡，该框架将行程时间最多减少34%，同时通过有界复杂度分析保持计算可行性。

ABSTRACT

Earlier work has established a decentralized framework to optimally control Connected Automated Vehicles (CAVs) crossing an urban intersection without using explicit traffic signaling while following a strict First-In-First-Out (FIFO) queueing structure. The proposed solution minimizes energy consumption subject to a FIFO-based throughput maximization requirement. In this paper, we extend the solution to account for asymmetric intersections by relaxing the FIFO constraint and including a dynamic resequencing process so as to maximize traffic throughput. To investigate the tradeoff between throughput maximization and energy minimization objectives, we exploit several alternative problem formulations. In addition, the computational complexity of the resequencing process is analyzed and proved to be bounded, which makes the online implementation computationally feasible. The effectiveness of the dynamic resequencing process in terms of throughput maximization is illustrated through simulation

研究动机与目标

• 为解决在非对称或高流量城市交叉口严格FIFO排队约束带来的局限性，此类约束可能导致调度次优和拥堵。
• 开发一种去中心化控制框架，使CAVs能够动态重排序，以在不依赖交通信号的情况下最大化交叉口吞吐量。
• 通过替代问题公式化方法，研究最小化能耗与最大化交通吞吐量之间的权衡。
• 通过证明重排序过程具有有界复杂度，确保计算可行性，适合在线实现。
• 通过在不同交通强度和控制目标下进行仿真，验证动态重排序的有效性。

提出的方法

• 通过放宽FIFO约束并基于实时车辆状态和到达信息引入动态重排序过程，扩展了先前的去中心化最优控制框架。
• 采用递归终端时间结构计算通行时间，实现在无需集中信号控制下的协调。
• 采用多项式代理模型来量化能耗，作为速度和加速度的函数。
• 应用多种问题公式化方法，以不同权重分配终端速度和能耗，探索吞吐量-能耗权衡。
• 分析重排序的计算复杂度，并证明其具有有界性，平均复杂度与车道数成正比。
• 在不同到达率（λ = 0.1 至 0.4 辆/秒）下，对100辆CAVs通过交叉口进行仿真，以评估不同控制目标下的性能。

实验结果

研究问题

• RQ1 放宽FIFO约束如何提升非对称城市交叉口的交通吞吐量？
• RQ2 在交叉口CAV协同中，能耗最小化与吞吐量最大化之间的权衡是什么？
• RQ3 在不同交通强度下，动态重排序如何影响行程时间和燃油消耗？
• RQ4 重排序过程的计算复杂度是多少？是否适合实时在线实现？
• RQ5 终端速度约束在多大程度上影响重排序框架的性能？

主要发现

• 与非重排序情况相比，动态重排序可将行程时间减少约34%，显著提升吞吐量。
• 由于终端速度提高，重排序过程导致能耗增加，证实了吞吐量与能效之间存在固有的权衡。
• 在替代公式化方法中，情况4和情况5在减少行程时间与适度燃油消耗之间实现了最佳平衡。
• 在低交通强度（λ = 0.1 辆/秒）下，由于车辆交互减少，行程时间对控制公式化的敏感度降低。
• 重排序的计算复杂度具有有界性，并与车道数成比例，使在线实现成为可能。
• 在轻交通条件下，递归终端时间结构被破坏，导致初始速度设置对整体性能的影响减小。