[论文解读] Decentralized Optimal Control for Connected Automated Vehicles at Intersections Including Left and Right Turns

Yue Zhang, Andreas A. Malikopoulos+1 more|arXiv (Cornell University)|Mar 20, 2017

Traffic control and management被引用 8

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，扩展了先前工作以包含左转和右转，同时强制执行硬性安全约束。通过加权优化联合最小化燃油消耗和乘客不适感，实现了无交通信号灯情况下的平稳、安全且高效的交叉口通行。

ABSTRACT

In prior work, we addressed the problem of optimally controlling on line connected and automated vehicles crossing two adjacent intersections in an urban area to minimize fuel consumption while achieving maximal throughput without any explicit traffic signaling and without considering left and right turns. In this paper, we extend the solution of this problem to account for left and right turns under hard safety constraints. Furthermore, we formulate and solve another optimization problem to minimize a measure of passenger discomfort while the vehicle turns at the intersection and we investigate the associated tradeoff between minimizing fuel consumption and passenger discomfort.

研究动机与目标

• 将交叉口处联网自动驾驶车辆（CAVs）的去中心化最优控制扩展至包含左转和右转，同时保持安全性和通行效率。
• 通过首次进站优先（FIFO）排队机制，最小化车辆在转弯汇合区（MZ）行驶时的燃油消耗。
• 制定并求解一个新的优化问题，以最小化车辆在汇合区（MZ）转弯操作期间的乘客不适感。
• 通过多目标优化研究在汇合区（MZ）中最小化燃油消耗与最小化乘客不适感之间的权衡。
• 通过从碰撞避免约束中推导终端条件，确保在线可实施性，且不增加计算负载。

提出的方法

• 将先前工作[12]中的去中心化控制框架扩展，通过为左转和右转引入新的碰撞避免终端条件，以支持转弯操作。
• 采用二阶车辆动力学模型，以位置、速度和加速度作为状态变量和控制变量，受方程（1）和（2）控制。
• 将汇合区（MZ）定义为边长为S的正方形，直行、左转和右转的路径长度分别为：S、S_L = (3/8)πS 和 S_R = (1/8)πS。
• 通过终端条件施加硬性安全约束，确保无横向碰撞，时间与位置约束基于FIFO排队机制和间距规则推导得出。
• 求解两个优化问题：一个最小化加速度的L²-范数（燃油消耗），另一个最小化急动度的L²-范数（乘客不适感），并通过加权和进行权衡分析。
• 采用Pareto前沿方法，通过在组合目标函数（28）中变化权重w，经归一化处理以确保多目标比较的无量纲性。

实验结果

研究问题

• RQ1 如何在保持硬性安全约束的前提下，将去中心化最优控制扩展至包含交叉口处的左转和右转？
• RQ2 在汇合区（MZ）中，执行转弯的联网自动驾驶车辆（CAVs）的最优控制策略是什么，可最小化燃油消耗？
• RQ3 如何通过急动度作为度量，定量最小化转弯操作期间的乘客不适感？
• RQ4 在汇合区（MZ）中，最小化燃油消耗与最小化乘客不适感之间存在何种权衡？
• RQ5 所提出的控制框架是否可实现在线运行，且计算复杂度与基线无转弯情况相当？

主要发现

• 所提出的控制框架成功将去中心化最优控制解扩展至包含左转和右转，且计算复杂度未超过基线情况。
• 最优控制解通过基于FIFO排队和间距约束的精确终端条件，确保了碰撞避免。
• 仿真结果表明，前30辆联网自动驾驶车辆（CAVs）在汇合区（MZ）的轨迹相互分离且无碰撞，不同转弯操作具有明确区分的位置轨迹。
• 加速度与急动度轨迹（图5）表明，仅最小化急动度可实现更平稳、更舒适的行驶，而仅最小化燃油消耗则导致更高的急动度值。
• Pareto前沿（图3）清晰展示了燃油消耗与乘客不适感之间的权衡，加权目标函数（w=0.95）能有效平衡两项指标。
• 终端加速度设为零，初始加速度由CZ解推导得出，确保了连续性与平滑过渡至MZ，支持在线实现。