[论文解读] A Graph-based Conflict-free Cooperation Method for Intelligent Electric Vehicles at Unsignalized Intersections

Chaoyi Chen, Qing Xu+7 more|arXiv (Cornell University)|Mar 26, 2021

Traffic control and management参考文献 16被引用 5

一句话总结

该论文提出了一种基于图的无冲突协调方法，用于在无信号交叉口对智能电动汽车进行协调，采用冲突导向图（CDG）和共存无向图（CUG）。该方法引入了一种优化的深度优先生成树（OPT-DFST），以实现局部最优通行顺序，并采用最大匹配（MM）算法实现全局最优调度，与FIFO相比，分别将疏散时间减少了10.2%和12.4%，计算复杂度低，且在SUMO仿真中得到验证，效率可靠。

ABSTRACT

Electric, intelligent, and network are the most important future development directions of automobiles. Intelligent electric vehicles have shown great potentials to improve traffic mobility and reduce emissions, especially at unsignalized intersections. Previous research has shown that vehicle passing order is the key factor in traffic mobility improvement. In this paper, we propose a graph-based cooperation method to formalize the conflict-free scheduling problem at unsignalized intersections. Firstly, conflict directed graphs and coexisting undirected graphs are built to describe the conflict relationship of the vehicles. Then, two graph-based methods are introduced to solve the vehicle passing order. One method is an optimized depth-first spanning tree method which aims to find the local optimal passing order for each vehicle. The other method is a maximum matching algorithm that solves the global optimal problem. The computational complexity of both methods is also derived. Numerical simulation results demonstrate the effectiveness of the proposed algorithms.

研究动机与目标

• 解决无信号交叉口车辆通行顺序缺乏统一、最优且高效解决方案的问题，以在安全与通行效率之间实现平衡。
• 利用图论形式化无冲突调度问题，实现对车辆交互作用的系统化建模。
• 开发一种低复杂度、最优的解决方案，以超越传统FIFO策略，提升交通效率。
• 通过基于图的优化技术，提供局部与全局最优的通行顺序解决方案。
• 通过数值仿真与定量性能指标，验证所提出方法的有效性。

提出的方法

• 冲突导向图（CDG）基于交叉冲突与分流冲突类型，对车辆冲突关系进行建模，实现结构化的冲突分析。
• 共存无向图（CUG）表示可同时通过的车辆，构成最大匹配优化的基础。
• 优化的深度优先生成树（OPT-DFST）方法通过分离冲突类型，降低生成树深度，以低计算成本实现局部最优。
• 最大匹配（MM）方法通过寻找最大数量的同时通过车辆集合，计算全局最优通行顺序，确保最小疏散时间。
• 利用生成树建立虚拟编队拓扑，通过PID控制使车辆保持恒定间距与速度。
• 所提方法在SUMO中实现并评估，采用真实的电动汽车参数与二项分布的车辆到达模式。

Figure 1 : Illustration of the traffic scenario.

实验结果

研究问题

• RQ1 如何利用图论对无信号交叉口的车辆冲突关系进行形式化建模，以实现最优调度？
• RQ2 基于图的方法能否在实现无冲突运行的同时，超越基于FIFO的方法，提升交通效率？
• RQ3 所提图基方法的计算复杂度如何？其在车辆数量增加时的可扩展性如何？
• RQ4 最大匹配方法能否实现全局最优通行顺序？其在动态场景中与局部优化相比表现如何？
• RQ5 所提方法在多大规模的车辆编队中，能在多大程度上减少疏散时间并提升稳定性？

主要发现

• 当84辆车辆进入交叉口时，OPT-DFST方法相比基线FIFO策略将疏散时间减少了10.2%。
• 最大匹配（MM）方法相比OPT-DFST进一步将疏散时间减少2.2%，与FIFO相比总提升达12.4%。
• MM方法在疏散时间上表现出最低的标准差，表明其具更高的一致性与鲁棒性，尤其在高车辆流量下表现更优。
• 推导并展示了OPT-DFST与MM方法的计算复杂度，结果表明其高效，支持实时应用。
• 仿真结果证实，两种方法均能生成无冲突、稳定的车辆轨迹，车辆通过虚拟编队保持期望间距与速度。
• CDG与CUG的使用实现了对冲突类型与同时通行潜力的精确建模，为最优调度奠定了基础。

(a) Crossing Conflict