[论文解读] Highway Traffic Control via Smart e-Mobility -- Part I: Theory

Carlo Cenedese, Michele Cucuzzella+3 more|arXiv (Cornell University)|Feb 18, 2021

Transportation and Mobility Innovations参考文献 25被引用 9

一句话总结

本文提出了一种针对插电式电动汽车（PEVs）的动态定价机制，通过混合整数潜在博弈框架建模驾驶员决策，在高峰拥堵时段激励战略性的高速公路充电站停靠行为。该方法利用单元传输模型（CTM）获取实时交通数据，并收敛至纳什均衡，通过软性、经济激励有效缓解高速公路拥堵。

ABSTRACT

In this paper, we study how to alleviate highway traffic congestion by encouraging plug-in hybrid and electric vehicles to stop at a charging station around peak congestion times. Specifically, we design a pricing policy to make the charging price dynamic and dependent on the traffic congestion, predicted via the cell transmission model, and the availability of charging spots. Furthermore, we develop a novel framework to model how this policy affects the drivers' decisions by formulating a mixed-integer potential game. Technically, we introduce the concept of "road-to-station" (r2s) and "station-to-road" (s2r) flows, and show that the selfish actions of the drivers converge to charging schedules that are individually optimal in the sense of Nash. In the second part of this work, submitted as a separate paper (Part II: Case Study), we validate the proposed strategy on a simulated highway stretch between The Hague and Rotterdam, in The Netherlands.

研究动机与目标

• 为应对城市地区日益严重的高速公路交通拥堵，特别是高峰时段的拥堵问题，利用插电式电动汽车（PEVs）日益普及的契机。
• 设计一种软性、经济激励的交通控制机制，鼓励PEV驾驶员在高峰拥堵时段停靠充电站，从而减轻整体交通负荷。
• 将实时交通动态（通过单元传输模型（CTM）建模）与动态能源定价相结合，构建一个响应迅速、自适应的控制系统。
• 将驾驶员的战略决策形式化为混合整数广义潜在博弈，确保在理性自利条件下收敛至纳什均衡。
• 建立双层控制架构，其中高速公路运营商（HO）作为聚合者，向PEV广播定价与拥堵数据，以引导其行为。

提出的方法

• 系统使用单元传输模型（CTM）建模交通流，将高速公路划分为离散单元，并在时间间隔内追踪车辆移动。
• 基于实时拥堵水平和充电站可用性计算动态能源价格，使用公式在拥堵较高时对价格进行折扣。
• 决策过程被形式化为混合整数广义潜在博弈，其中PEV根据成本最小化选择是否在充电站停靠（1）或继续行驶（0）。
• 高速公路运营商（HO）向进入充电站附近的PEV广播拥堵与定价数据，于每个时间间隔初始化博弈。
• 采用迭代、半分布式算法，允许PEV更新其策略，直至收敛至ε-混合整数纳什均衡（ε-MINE），确保个体最优性。
• 从最终策略中计算r2s（道路到充电站）和s2r（充电站到道路）流量，将博弈结果与CTM框架中的实际交通动态直接关联。

实验结果

研究问题

• RQ1 基于实时拥堵水平的动态能源定价是否能有效激励PEV驾驶员在高峰时段停靠充电站，从而减少高速公路拥堵？
• RQ2 如何将PEV驾驶员之间的互动建模为博弈论决策过程，以同时捕捉个体理性与系统级交通结果？
• RQ3 所提出的迭代策略更新机制的收敛行为如何？在混合整数决策背景下，其是否能导向稳定且近似最优的均衡？
• RQ4 如何将单元传输模型（CTM）与动态定价策略集成，以在交通状况与驾驶员激励之间建立反馈回路？
• RQ5 停靠PEV的数量与由此导致的交通流量减少之间的关系如何？该关系是否可通过r2s和s2r流量定义准确捕捉？

主要发现

• 所提出的动态定价机制成功激励了PEV驾驶员在高峰拥堵时段停靠充电站，减少了整体交通流量，有效缓解了拥堵。
• 决策过程收敛至ε-混合整数纳什均衡（ε-MINE），确保任何驾驶员单方面改变策略均无法降低其个体成本。
• r2s与s2r流量定义在博弈论结果与CTM框架中实际交通动态之间建立了直接、量化的联系。
• 系统实时运行，每个时间间隔均在进入下一时间间隔前完成迭代博弈求解过程的完全收敛。
• 通过使用真实世界数据的数值仿真验证了该方法，证明了在无需基础设施改造或强制执行的情况下，有效减少了拥堵。
• 该框架具有可扩展性，未来可适配多个充电站、非理性代理或替代交通模型。