[论文解读] The Cooperative Sorting Strategy for Connected and Automated Vehicle Platoons

Jiaming Wu, Soyoung Ah+3 more|arXiv (Cornell University)|Mar 13, 2020

Traffic control and management参考文献 49被引用 7

一句话总结

本文提出一种基于离散时空网格与分布式随机A*（DSA）算法的协同排序策略，用于联网自动驾驶汽车（CAV）车队，以最小化排序时间。通过将车辆重新定位建模为路径查找问题，并利用整数线性规划（ILP）进行优化，该方法减少了排序时间并加速了计算，尤其在并行处理环境下表现更优。

ABSTRACT

This paper presents a "cooperative vehicle sorting" strategy that seeks to optimally sort connected and automated vehicles (CAVs) in a multi-lane platoon to reach an ideally organized platoon. In the proposed method, a CAV platoon is firstly discretized into a grid system, where a CAV moves from one cell to another in the discrete time-space domain. Then, the cooperative sorting problem is modeled as a path-finding problem in the graphic domain. The problem is solved by the deterministic Astar algorithm with a stepwise strategy, where only one vehicle can move within a movement step. The resultant shortest path is further optimized with an integer linear programming algorithm to minimize the sorting time by allowing multiple movements within a step. To improve the algorithm running time and address multiple shortest paths, a distributed stochastic Astar algorithm (DSA) is developed by introducing random disturbances to the edge costs to break uniform paths (with equal path cost). Numerical experiments are conducted to demonstrate the effectiveness of the proposed DSA method. The results report shorter sorting time and significantly improved algorithm running time due to the use of DSA. In addition, we find that the optimization performance can be further improved by increasing the number of processes in the distributed computing system.

研究动机与目标

• 开发一种协同车辆排序策略，以最优方式将联网自动驾驶车辆（CAVs）重组为有序车队。
• 解决在多车道CAV车队中最小化排序时间的挑战，同时确保车辆移动的安全与协调。
• 通过分布式与随机优化技术，提升大规模车队重组的计算效率。
• 通过并行计算与路径优化，实现可扩展且实时的排序。

提出的方法

• 将CAV车队离散化为时空网格，其中每辆车占据一个单元格，并在离散时间步内于单元格间移动。
• 将协同排序问题建模为图中的路径查找问题，车辆在图中寻找通往目标位置的最优路径。
• 最初使用确定性A*算法计算最短路径，同时施加逐步移动约束（每一步仅一辆车移动）。
• 应用整数线性规划（ILP）模型优化路径，允许多辆车在同一步内同时移动，以减少总排序时间。
• 通过在边成本中引入随机扰动，开发出一种分布式随机A*（DSA）算法，打破等成本路径的歧义，提升可扩展性。
• 在分布式计算环境中实现DSA方法，以提升运行时间并高效处理多条最短路径。

实验结果

研究问题

• RQ1 如何协同重新定位联网自动驾驶车辆，以在多车道配置中形成最优排序的车队？
• RQ2 允许多辆车同时移动对减少CAV车队排序时间有何影响？
• RQ3 在边成本中引入随机扰动如何提升A*算法在车辆排序路径查找中的性能与可扩展性？
• RQ4 分布式计算在多大规模车队场景中在多大程度上提升了排序算法的运行时间？

主要发现

• 与确定性A*方法相比，所提出的DSA方法显著缩短了算法运行时间，尤其在大规模车队配置中表现更优。
• 通过整数线性规划优化，实现了每时间步内多辆车同时移动，从而最小化了排序时间。
• 在边成本中引入随机扰动能有效打破路径的同质性，提升DSA算法的收敛性能。
• 随着分布式计算系统中并行进程数量的增加，性能持续提升，表现出强大的可扩展性。
• 数值实验表明，DSA方法实现了更短的排序时间与更快的计算速度，验证了其在实时CAV车队管理中的有效性。