[论文解读] Efficient Dynamic Programming Solution to a Platoon Coordination Merge Problem With Stochastic Travel Times

Sebastian van de Hoef, Karl Henrik Johansson+1 more|arXiv (Cornell University)|May 11, 2017

Traffic control and management参考文献 12被引用 3

一句话总结

本文提出了一种随机动态规划方法，旨在在高速公路交叉口处，尽管存在行程时间不确定性，仍最大化两辆卡车合并为车队的概率。通过使用容错近似方法对状态空间进行边界限定，该方法高效计算出最优速度调整策略，使仿真中车队合并概率从43.97%提升至52.96%，同时将状态空间探索量减少11.51倍。

ABSTRACT

The problem of maximizing the probability of two trucks being coordinated to merge into a platoon on a highway is considered. Truck platooning is a promising technology that allows heavy vehicles to save fuel by driving with small automatically controlled inter-vehicle distances. In order to leverage the full potential of platooning, platoons can be formed dynamically en route by small adjustments to their speeds. However, in heavily used parts of the road network, travel times are subject to random disturbances originating from traffic, weather and other sources. We formulate this problem as a stochastic dynamic programming problem over a finite horizon, for which solutions can be computed using a backwards recursion. By exploiting the characteristics of the problem, we derive bounds on the set of states that have to be explored at every stage, which in turn reduces the complexity of computing the solution. Simulations suggest that the approach is applicable to realistic problem instances.

研究动机与目标

• 在行程时间具有随机性的情况下，最大化两辆卡车在高速公路交叉口协调完成车队合并的概率。
• 为动态、不确定交通环境中的实时车队协调，开发一种计算上可行的解决方案。
• 使合并概率可作为高层协调规划层级中的显式输入参数。
• 通过基于到达时间分布的容错近似方法推导出的状态空间边界，降低计算复杂度。

提出的方法

• 将车队合并问题建模为具有逆向递推的有限时域随机动态规划问题。
• 将车辆行程时间建模为具有已知分布的随机变量，以捕捉交通与天气等因素带来的不确定性。
• 使用值函数近似方法，对每个路段的相关到达时间状态集合进行边界限定，从而减少状态空间的探索范围。
• 对概率函数应用容错边界，进一步限制状态空间，同时不降低解的质量。
• 计算跟随车辆的最优参考速度，以最大化其在领先车辆到达时间阈值范围内的抵达概率。
• 采用数值近似技术计算成功合并的概率，从而支持与更大规模协调系统的集成。

实验结果

研究问题

• RQ1 如何在行程时间具有随机性的情况下优化车队协调，以最大化合并概率？
• RQ2 何种计算策略可使动态规划在具有不确定性的现实车队协调问题中具备可行性？
• RQ3 如何在不降低解准确性的前提下，减少随机合并问题中的状态空间复杂度？
• RQ4 不可靠路段对车队成功合并概率及控制策略设计有何影响？
• RQ5 如何将计算得到的合并概率有效用作高层协调规划中的输入？

主要发现

• 最优控制策略将车队合并概率从固定速度下的43.97%提升至52.96%，实现了9%的提升。
• 与基线方法相比，该方法将有效状态空间探索区间减少了11.51倍，显著提升了计算效率。
• 使用近似方法估算车队合并概率的误差仅为0.03%，远低于1%的容许阈值。
• 在存在不可靠路段的情况下，该方法将车队合并概率从固定速度下的24.62%提升至32.62%，表现出对不确定性的强鲁棒性。
• 控制策略通过在早期路段主动提高速度，以补偿后期不可靠路段可能带来的延迟，体现了自适应的风险缓解能力。
• 该方法在现实问题实例中仍具备计算可行性，且易于并行化，支持系统可扩展性。