[论文解读] Mixed platoon control of automated and human-driven vehicles at a signalized intersection: dynamical analysis and optimal control

Chaoyi Chen, Jiawei Wang+3 more|arXiv (Cornell University)|Oct 30, 2020

Traffic control and management参考文献 34被引用 19

一句话总结

本文提出了一种在信号交叉口采用'1+n'混合车队控制框架的联网和自动驾驶车辆（CAVs）控制方法，其中一辆CAV引领n辆人类驾驶车辆（HDVs）。通过线性化动力学和最优控制，该方法确保了系统稳定性，并提升了全局交通效率与燃油经济性。与单辆CAV优化相比，该方法可将平均延迟减少高达30%，燃油消耗减少高达25%，尤其在中等市场渗透率下效果显著。

ABSTRACT

The emergence of Connected and Automated Vehicles (CAVs) promises better traffic mobility for future transportation systems. Existing research mostly focused on fully-autonomous scenarios, while the potential of CAV control at a mixed traffic intersection where human-driven vehicles (HDVs) also exist has been less explored. This paper proposes a notion of "1+n" mixed platoon, consisting of one leading CAV and n following HDVs, and formulates a platoon-based optimal control framework for CAV control at a signalized intersection. Based on the linearized dynamics model of the "1+n" mixed platoon, fundamental properties including stability and controllability are under rigorous theoretical analysis. Then, a constrained optimal control framework is established, aiming at improving the global traffic efficiency and fuel consumption at the intersection via direct control of the CAV. A hierarchical event-triggered algorithm is also designed for practical implementation of the optimal control method between adjacent mixed platoons when approaching the intersection. Extensive numerical simulations at multiple traffic volumes and market penetration rates validate the greater benefits of the mixed platoon based method, compared with traditional trajectory optimization methods for one single CAV.

研究动机与目标

• 为解决存在联网和自动驾驶车辆（CAVs）与人类驾驶车辆（HDVs）共存的混合交通交叉口缺乏最优控制框架的问题。
• 通过利用CAV在混合车队中的控制能力，提升全局交通性能，特别是减少延迟与燃油消耗。
• 建立以一辆CAV引领多辆HDVs的混合车队稳定性与可控制性的理论基础。
• 设计一种实用的分层事件触发算法，实现相邻混合车队之间实时控制的去中心化部署。
• 在不同交通流量与市场渗透率下，验证混合车队方法相较于单辆CAV轨迹优化的优越性。

提出的方法

• 提出一种'1+n'混合车队模型，包含一辆领先的CAV与n辆跟随的HDVs，并采用线性化动力学以支持理论分析。
• 推导出一种约束最优控制框架，以最小化信号交叉口处的行驶延迟与燃油消耗。
• 通过特征值分析与系统矩阵的数学归纳法，建立混合车队的稳定性和可控制性。
• 开发一种分层事件触发算法，以实现相邻混合车队之间实用且去中心化的控制。
• 采用基于车辆参数与加速度轨迹的燃油消耗模型，量化能量效率。
• 通过在多种交通流量（600–1200 辆/(小时·车道)）与市场渗透率（0%至100%）下进行大量数值仿真，验证该框架的有效性。

Figure 1: Illustration for the mixed traffic intersection. Red vehicles represent CAVs, which can transmit and receive vehicle information and the vehicle is fully autonomous driving. Black vehicles represent HDVs, which can only transmit ego vehicle information to other vehicles and are controlled

实验结果

研究问题

• RQ1 在信号交叉口，线性化动力学下，由一辆CAV与n辆HDVs组成的1+n混合车队的稳定性表现如何？
• RQ2 何种最优控制策略可最小化混合交通车队中的全局行驶延迟与燃油消耗？
• RQ3 在不同交通流量与市场渗透率下，1+n车队控制框架相较于单辆CAV轨迹优化的性能表现如何？
• RQ4 混合车队系统的可控制性与稳定性需满足何种条件？其数学证明过程是什么？
• RQ5 如何设计一种实用的事件触发算法，以实现最优控制框架在相邻车队间的实时、去中心化部署？

主要发现

• 与单辆CAV优化相比，1+n混合车队控制框架可将平均行驶延迟减少高达30%，尤其在60%市场渗透率时效果最显著。
• 在所提方法下，燃油消耗可减少高达25%，且在60%市场渗透率时达到最低平均燃油消耗（122.42 L/100km，相较单辆CAV在1000 vphpl时的136.39 L/100km）。
• 在100%市场渗透率下，该方法将平均延迟从基线的159.95 s降低至156.97 s，显示出对传统方法的一致性改进。
• 当α₁ > 0且α₂ > 0时，系统处于临界稳定状态，理论证明基于特征值分析与系统矩阵的数学归纳法。
• 分层事件触发算法实现了相邻车队间高效、去中心化的控制，支持实时实施。
• 仿真结果表明，1+n车队方法在所有测试的交通流量（600–1200 辆/(小时·车道)）与市场渗透率（0%至100%）下，均优于单辆CAV优化方法。

Figure 2: Schematic for the “ $1+n$ ” mixed platoon. Red arrows denote the information flow of the leading CAV (colored in red), which collects information from the following HDVs as well as the traffic light and has an external control input. Black arrows represent the information flow of the HDVs