[论文解读] Multi-Source Human-in-the-Loop Digital Twin Testbed for Connected and Autonomous Vehicles in Mixed Traffic Flow

Jianghong Dong, Jiawei Wang+6 more|arXiv (Cornell University)|Mar 18, 2026

Traffic control and management被引用 0

一句话总结

论文提出了MSH-MCCT，一种混合数字孪生测试床，通过云中介将物理车辆与虚拟车辆连接，在混合交通中实现多源人-in-环测试的CAVs。

ABSTRACT

In the emerging mixed traffic environments, Connected and Autonomous Vehicles (CAVs) have to interact with surrounding human-driven vehicles (HDVs). This paper introduces MSH-MCCT (Multi-Source Human-in-the-Loop Mixed Cloud Control Testbed), a novel CAV testbed that captures complex interactions between various CAVs and HDVs. Utilizing the Mixed Digital Twin concept, which combines Mixed Reality with Digital Twin, MSH-MCCT integrates physical, virtual, and mixed platforms, along with multi-source control inputs. Bridged by the mixed platform, MSH-MCCT allows human drivers and CAV algorithms to operate both physical and virtual vehicles within multiple fields of view. Particularly, this testbed facilitates the coexistence and real-time interaction of physical and virtual CAVs \& HDVs, significantly enhancing the experimental flexibility and scalability. Experiments on vehicle platooning in mixed traffic showcase the potential of MSH-MCCT to conduct CAV testing with multi-source real human drivers in the loop through driving simulators of diverse fidelity. The videos for the experiments are available at our project website: https://dongjh20.github.io/MSH-MCCT.

研究动机与目标

• 在高密度车辆与CAVs共存的混合交通环境中，推动对CAVs的严格验证。
• 提供一个可扩展、灵活的平台，将多位真实驾驶员纳入环路。
• 在先前的混合云控制测试床（MCCT）基础上，扩展为具备多源人-in-环能力的系统。
• 实现物理、虚拟和混合空间中物理与虚拟CAV/HDV的实时互动。
• 通过具备协同自适应巡航控制（CACC）的编队实验和多位真实驾驶员，展示该平台的有效性。

提出的方法

• 采用混合数字孪生（mixedDT）框架，创建物理空间、虚拟空间和混合空间，使实体实时共存。
• 实现基于云的中介，汇聚车辆状态、分发控制输入、可视化混合平台。
• 实现多源控制输入，包括通过不同保真度的驾驶仿真器与CAV算法的人工驾驶员输入。
• 为驾驶员提供双重视角：物理视场和孪生车辆的虚拟视场。
• 支持对受控车辆在不同仿真器之间热插拔，解耦仿真器与特定车辆。
• 采用四组件架构：物理平台（带缩尺车辆的沙盘）、虚拟平台（基于Unity）、混合平台（云）以及多源输入。

实验结果

研究问题

• RQ1 基于mixedDT的平台如何在混合交通中实时支持多驾驶员环路的CAV测试？
• RQ2 在云中介、多源控制框架下，整合物理与虚拟车辆有哪些好处？
• RQ3 在混合交通情景中，多驾驶员环路能否提高CACC/编队的性能与安全性？
• RQ4 哪些工作流与系统设计使人-in-环实验具备可扩展性、灵活性与热插拔能力？

主要发现

• MSH-MCCT 实现了任意数量的物理与虚拟CAV/HDV在真实人和算法驱动下的实时互动。
• 基于云的中介对齐、聚合并再分发状态与控制数据，实现跨平台的同步与互动。
• 在具备CACC的编队实验中，结合多源人类驾驶员的实验表明该平台能缓解交通扰动并在对安全关键场景中捕捉碰撞事件。
• mixedDT 支撑的双视角（物理视场与虚拟视场）提升驾驶员的情境感知与实验灵活性。
• 热插拔功能允许将驾驶仿真器动态重新分配给不同车辆，提升多驾驶员实验的可扩展性与适应性。