[论文解读] Formation Control with Lane Preference for Connected and Automated Vehicles in Multi-lane Scenarios

Mengchi Cai, Chaoyi Chen+5 more|arXiv (Cornell University)|Jun 18, 2021

Traffic control and management参考文献 38被引用 8

一句话总结

本文提出了一种在多车道场景下适用于联网自动驾驶车辆（CAVs）的双层协同控制框架，通过引入车道偏好以减少拥堵并提升交通效率。通过使用基于冲突的搜索（CBS）将车道分配与无碰撞路径规划解耦，该方法实现了协调的编队行驶，在高交通流量下显著优于基于规则的方法。

ABSTRACT

Multi-lane roads are typical scenarios in the real-world traffic system. Vehicles usually have preference on lanes according to their routes and destinations. Few of the existing studies looks into the problem of controlling vehicles to drive on their desired lanes. This paper proposes a formation control method that considers vehicles' preference on different lanes. The bi-level formation control framework is utilized to plan collision-free motion for vehicles, where relative target assignment and path planning are performed in the upper level, and trajectory planning and tracking are performed in the lower level. The collision-free multi-vehicle path planning problem considering lane preference is decoupled into two sub problems: calculating assignment list with non-decreasing cost and planning collision-free paths according to given assignment result. The Conflict-based Searching (CBS) method is utilized to plan collision-free paths for vehicles based on given assignment results. Case study is conducted and simulations are carried out in a three-lane road scenario. The results indicate that the proposed formation control method significantly reduces congestion and improves traffic efficiency at high traffic volumes, compared to the rule-based method.

研究动机与目标

• 填补现有多车道CAV协同控制方法中未考虑车辆特定车道偏好的空白。
• 通过将车道偏好整合到编队控制中，提升高流量多车道场景下的交通效率并减少拥堵。
• 开发一种双层框架，协调车辆编队，同时尊重个体车道偏好并确保无碰撞运动。
• 在动态环境（如车道缩减瓶颈和多车道交叉口）中实现自适应编队切换。
• 提供一种可扩展的多车道交通协同解决方案，在高交通负荷下优于基于规则和优先级的方法。

提出的方法

• 采用双层编队控制框架：上层负责相对目标分配与路径规划；下层执行轨迹规划与跟踪。
• 将多车辆路径规划问题解耦为两个子问题：(1) 计算车辆到偏好车道的非递减成本分配列表，(2) 基于该分配结果规划无碰撞路径。
• 采用基于冲突的搜索（CBS）算法，在分配确定后生成车辆的无碰撞路径。
• 通过根据路线特定偏好将车辆分配至其期望车道，将车道偏好整合到分配阶段。
• 应用编队速度与车头间距模型，计算交通流量的理论上限：$ V_u = 1800 \frac{v_F}{d_F} $，其中 $ v_F = 15~\mathrm{m/s} $，$ d_F = 15~\mathrm{m} $，得出 $ V_u = 1800~\mathrm{vehicle/(lane\cdot hour)} $。
• 在三车道道路场景中通过仿真验证方法在不同交通流量下的性能，并与基于规则的控制方法进行对比。

(a) Lane-drop bottleneck scenario

实验结果

研究问题

• RQ1 如何有效将车道偏好整合到多车辆编队控制中以提升交通效率？
• RQ2 具有基于CBS路径规划的双层编队控制框架是否能减少高流量多车道交通中的拥堵？
• RQ3 融合车道偏好的编队控制对时空速度分布与交通流稳定性有何影响？
• RQ4 与基于规则和优先级的方法相比，该方法在拥堵缓解与吞吐量方面表现如何？
• RQ5 该编队控制方法在不引发拥堵的前提下，理论上可维持的交通流量上限是多少？

主要发现

• 所提出的编队控制方法在高流量场景下（最高达1600辆/(车道·小时)）相比基于规则的方法显著减少了拥堵。
• 热力图与快照分析显示，基于规则的方法在500 m至800 m之间因低效的变道行为导致严重拥堵。
• 编队控制使车辆以恒定速度协同成组行驶，最大限度减少速度扰动，即使在高流量下也能避免拥堵。
• 当编队速度为15 m/s、跟车间距为15 m时，该方法实现理论最大吞吐量1800辆/(车道·小时)。
• 在1600辆/(车道·小时)的流量下，编队控制方法维持了稳定流，避免了基于规则仿真中观察到的拥堵现象。
• 该方法通过早期将车辆分配至其期望车道，有效处理了车道偏好，减少了临界时刻的变道行为，提升了整体协调性。

(b) Obstacle avoidance scenario