[论文解读] Safety-Critical Lane-Change Control for CAV Platoons in Mixed Autonomy Traffic Using Control Barrier Functions

Fengqing Hu, Huan Yu|arXiv (Cornell University)|Feb 1, 2023

Traffic control and management被引用 4

一句话总结

本文提出了一种基于控制障碍函数（CBFs）和控制李雅普诺夫函数（CLFs）的面向混合自主交通中联网自动驾驶汽车（CAV）车队的临界安全换道控制框架。该方法采用两层控制器结构——上层负责换道决策，下层负责临界安全运动学控制，确保换道过程中纵向和横向的安全性，仿真结果表明在四种临界安全场景中均实现了防撞效果。

ABSTRACT

Platooning can serve as an effective management measure for connected and autonomous vehicles (CAVs) to ensure overall traffic efficiency. Current study focus on the longitudinal control of CAV platoons, however it still remains a challenging problem to stay safe under lane-change scenarios where both longitudinal and lateral control is required. In this paper, a safety-critical control method is proposed conduct lane-changing maneuvers for platooning CAVs using Control Barrier Functions (CBFs). The proposed method is composed of two layers: a higher-level controller for general lane change decision control and a lower-level controller for safe kinematics control. Different from traditional kinematics controllers, this lower-level controller conducts not only longitudinal safety-critical control but also critically ensures safety for lateral control during the platooning lane change. To effectively design this lower-level controller, an optimization problem is solved with constraints defined by both CBFs and Control Lyapunov Functions (CLFs). A traffic simulator is used to conduct numerical traffic simulations in four safety-critical scenarios and showed the effectiveness of the proposed controller.

研究动机与目标

• 解决在需要同时进行纵向和横向控制的CAV车队中实现安全换道的挑战。
• 确保在人类驾驶车辆（HDVs）可能表现出不可预测或激进行为的混合自主交通环境中实现安全。
• 设计一种通过障碍函数保证安全、同时通过李雅普诺夫函数维持车队稳定性的控制框架。
• 通过调整车头间距，实现车队的协同操作（分裂与合并），以促进安全换道。
• 通过数值仿真展示所提控制器在临界安全场景中的有效性。

提出的方法

• 设计一种两层控制架构：上层控制器负责换道决策，下层控制器负责临界安全运动学控制。
• 将下层控制器表述为一个带有约束的二次规划（QP）问题，其约束来源于控制障碍函数（CBFs）和控制李雅普诺夫函数（CLFs）。
• 定义CBF约束，以在换道过程中防止纵向和横向方向上的碰撞。
• 使用CLF约束以确保轨迹的渐近稳定性和对目标状态的期望收敛。
• 将分裂与合并操作整合到车队运行中，以在换道前增加车头间距，并在完成后重新聚合。
• 在线求解优化问题，生成满足安全与稳定性要求的实时控制输入。

实验结果

研究问题

• RQ1 在人类驾驶车辆可能行为不可预测的混合自主交通环境中，CAV车队如何实现安全换道？
• RQ2 何种控制框架可利用CBFs和CLFs确保车队换道过程中的纵向与横向安全？
• RQ3 与仅使用CLF的控制器相比，所提出的两层控制器在临界场景下的安全性与可行性如何？
• RQ4 协同车队操作（分裂与合并）是否能提升密集交通中换道的成功率与安全性？
• RQ5 在通信延迟或QP不可行条件下，控制器的性能限制是什么？

主要发现

• CLF-CBF-QP控制器在所有四个临界安全换道场景（切入、FDEC、BACC、FFDEC）中均成功完成，未发生碰撞。
• 在BACC场景中，当后方车辆加速时，CLF-CBF-QP控制器通过切回原车道避免了碰撞，而CLF-QP控制器因碰撞后振荡而失败。
• 在FFDEC场景中，基于车队的CLF-CBF-QP控制器通过分裂操作期间的协调减速成功完成换道，而单车辆CLF-CBF-QP控制器因在t=2.2秒时QP不可行而失败。
• 单车辆控制器的失败源于控制目标冲突：所有CAV均加速以达到目标速度，增加了碰撞风险；同时，CAV1减速以避让前车，而CAV3未进行调整，导致间距减小。
• 所提出的协同车队操作（分裂与合并）通过主动管理车距，有效增加了车头间距，实现了更安全的换道。
• 将CBFs用于横向与纵向安全，结合CLFs用于稳定性，确保了所有测试场景下的安全性和收敛性。