[论文解读] Altruistic Autonomy: Beating Congestion on Shared Roads

Erdem Bıyık, Daniel A. Lazar+2 more|arXiv (Cornell University)|Oct 29, 2018

Transportation Planning and Optimization被引用 10

一句话总结

本文提出了一种基于交通基本图的混合自主交通流形式化模型，引入利他自主性以减少拥堵。其开发了多项式时间算法，用于计算鲁棒且利他性优化的均衡状态，表明即使是最小程度的利他性，也能使模拟中的平均时延相比最坏情况下的自私均衡降低四倍。

ABSTRACT

Traffic congestion has large economic and social costs. The introduction of autonomous vehicles can potentially reduce this congestion, both by increasing network throughput and by enabling a social planner to incentivize users of autonomous vehicles to take longer routes that can alleviate congestion on more direct roads. We formalize the effects of altruistic autonomy on roads shared between human drivers and autonomous vehicles. In this work, we develop a formal model of road congestion on shared roads based on the fundamental diagram of traffic. We consider a network of parallel roads and provide algorithms that compute optimal equilibria that are robust to additional unforeseen demand. We further plan for optimal routings when users have varying degrees of altruism. We find that even with arbitrarily small altruism, total latency can be unboundedly better than without altruism, and that the best selfish equilibrium can be unboundedly better than the worst selfish equilibrium. We validate our theoretical results through microscopic traffic simulations and show average latency decrease of a factor of 4 from worst-case selfish equilibrium to the optimal equilibrium when autonomous vehicles are altruistic.

研究动机与目标

• 使用交通基本图的形式化描述自动驾驶车辆对共享道路的影响。
• 设计一种鲁棒纳什均衡算法，确保在需求意外增加时仍能保持性能。
• 对自动驾驶车辆用户之间不同程度的利他性进行建模与优化，以最小化整个网络的总时延。
• 通过在真实道路网络中的微观交通仿真验证理论结果。

提出的方法

• 基于交通基本图构建混合自主交通流模型，建立车辆密度、流量与时延之间的关联。
• 引入一种鲁棒性度量，量化纳什均衡在面对额外、不可预见的交通需求时的韧性。
• 提出一种多项式时间优化算法，用于计算最小化总时延的最佳鲁棒纳什均衡（RBNE）。
• 定义一种利他性配置，表示自动驾驶车辆愿意选择更长路径的意愿程度。
• 设计一种多项式时间算法，用于最优利他性路径规划（BANE），以最小化总体验时延。
• 使用基于SUMO的微观仿真验证理论结果，考虑真实车辆动力学与流量约束。

实验结果

研究问题

• RQ1 在混合人类/自动驾驶车辆网络中，利他自主性如何影响全网交通时延？
• RQ2 与纯粹自私路径规划相比，允许自动驾驶车辆表现出利他性时，时延理论上能改善多少？
• RQ3 如何计算一种鲁棒纳什均衡，使其在交通需求意外增加时仍能保持性能？
• RQ4 不同利他性水平对整体网络效率及拥堵缓解的影响如何？

主要发现

• 即使利他性程度极低，总网络时延也能无界优于缺乏利他性的情况。
• 最佳自私均衡的性能可无界优于最差自私均衡，凸显了路径规划策略的重要性。
• 在模拟中，最优利他性路径规划使平均时延相比最坏情况下的自私均衡降低了四倍。
• 鲁棒纳什均衡（RBNE）算法在保持低时延的同时，最大化了对不可预见需求的韧性，尽管由于流量容量差异，仿真结果与理论预测存在偏差。
• 利他性自动驾驶车辆显著降低了拥堵，表现为自由流状态下车辆密度更低、平均速度更高。
• 提高利他性水平可进一步降低整体时延，模拟结果在多种需求场景下均显示性能提升。