[论文解读] A Scaled Smart City for Experimental Validation of Connected and Automated Vehicles
本文提出了特拉华大学缩放智能城市（UDSSC），这是一个1:25比例的物理测试平台，配备35辆微型联网自动驾驶车辆（MCAVs），用于实验验证去中心化控制算法在协同并道中的应用。通过实时最优控制框架，系统将行驶时间减少了18.7%，并通过消除启停驾驶提升了电池效率，展示了在安全、可扩展环境中实现节能协同的潜力。
The common thread that characterizes energy efficient mobility systems for smart cities is their interconnectivity which enables the exchange of massive amounts of data; this, in turn, provides the opportunity to develop a decentralized framework to process this information and deliver real-time control actions that optimize energy consumption and other associated benefits. To seize these opportunities, this paper describes the development of a scaled smart city providing a glimpse that bridges the gap between simulation and full scale implementation of energy efficient mobility systems. Using this testbed, we can quickly, safely, and affordably experimentally validate control concepts aimed at enhancing our understanding of the implications of next generation mobility systems.
研究动机与目标
- 弥合仿真与联网自动驾驶车辆（CAV）控制系统实际部署之间的差距。
- 开发一种可扩展、安全且经济的物理测试平台，用于实验验证CAV协同算法。
- 展示去中心化控制框架在减少行驶时间和能耗方面，对CAV协同并道的有效性。
- 通过在受控环境中使用真实MCAVs进行实验验证，量化能量效率的提升。
提出的方法
- UDSSC测试平台在400平方英尺的尺度上复现了真实道路场景，包括并道道路、交叉口和环岛。
- 35辆微型联网自动驾驶车辆（MCAVs）配备了车载计算与通信系统，支持车对车及车对基础设施的交互。
- 采用去中心化最优控制框架协调MCAVs在并道过程中的行为，最小化行驶时间与能耗，同时满足运动学与安全约束。
- 控制算法求解一个简化的最优控制问题（11），确保避免碰撞并实现平滑并道，而无需显式施加追尾或侧向碰撞约束。
- 通过动作捕捉系统追踪车辆轨迹，并监测电池荷电状态（SOC）以量化能量效率。
- 对比两种场景：一种为最优去中心化控制，另一种为诱导启停行为的基线跟驰模型。
实验结果
研究问题
- RQ1缩放物理测试平台能否有效验证联网自动驾驶车辆在真实交通场景中的去中心化控制算法？
- RQ2与传统跟驰行为相比，协同并道控制在多大程度上减少了行驶时间？
- RQ3在真实MCAV系统中，协同并道对能量效率的影响如何，以电池荷电状态（SOC）衡量？
- RQ4所提出的去中心化控制框架能否在不显式强制执行碰撞约束的情况下确保安全与平滑并道？
主要发现
- 与基线场景相比，最优控制算法将并道行驶时间减少了18.7%，并道时间从20.3秒缩短至16.5秒。
- 所有MCAVs在最优控制框架下均表现出显著更高的电池荷电状态（SOC），证明了能量效率的提升。
- 系统成功消除了并道区域的启停驾驶行为，而该行为是能量浪费与交通拥堵的主要来源。
- 实验结果证实，最优控制问题（11）的解析解可确保满足安全约束，而无需显式强制执行。
- 测试平台表明，去中心化协调可实现低跟踪误差、高可重复性的平滑高效并道。
- 在受控环境中集成真实MCAVs，为理论控制框架在全尺寸部署前的验证提供了可靠平台。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。