Sequencing-enabled Hierarchical Cooperative CAV On-ramp Merging Control with Enhanced Stability and Feasibility
作者: Sixu Li, Yang Zhou, Xinyue Ye, Jiwan Jiang, Meng Wang
分类: eess.SY
发布日期: 2023-11-25 (更新: 2024-05-25)
💡 一句话要点
提出分层协作CAV匝道合并控制框架以提升稳定性与可行性
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 自动驾驶 匝道合并 分层控制 模型预测控制 交通管理 稳定性 安全性
📋 核心要点
- 现有的自动驾驶车辆匝道合并控制方法在交通密度协调和控制效率上存在不足，难以实现稳定的合并过程。
- 本文提出的框架通过分层设计，利用混合整数线性规划和分布式模型预测控制，优化车辆合并序列和控制策略。
- 实验结果显示，所提上层控制器在性能上显著优于传统的基于距离的序列方法，确保了安全合并和稳定性。
📝 摘要（中文）
本文开发了一种基于序列的分层协作自动驾驶车辆（CAV）匝道合并控制框架。该框架由两层设计组成：上层控制通过混合整数线性规划优化车辆序列，以协调主干道和匝道段的交通密度，同时提升下层控制效率。下层控制采用纵向分布式模型预测控制（MPC），结合虚拟跟车概念，确保局部渐近稳定性、l_2范数串稳定性和安全性。文中还数学证明了渐近局部稳定性和l_2范数串稳定性。与其他常见的渐近局部稳定MPC控制器相比，所提分布式MPC控制器显著扩展了初始可行集。此外，开发了辅助横向控制以维持车道保持和合并平滑性，适应匝道几何曲率。通过多次数值实验验证了该框架的有效性，结果表明上层控制器在性能上优于基于距离的序列方法。
🔬 方法详解
问题定义：本文旨在解决自动驾驶车辆在匝道合并过程中交通密度协调和控制效率不足的问题。现有方法往往无法有效处理复杂的交通场景，导致合并不平稳和安全隐患。
核心思路：论文提出的框架采用分层设计，上层通过优化车辆序列来协调交通密度，下层则利用分布式模型预测控制（MPC）确保合并过程的稳定性和安全性。这样的设计能够有效提升合并效率和车辆间的安全距离。
技术框架：整体框架分为上层控制和下层控制两个模块。上层控制负责车辆的序列优化，下层控制则通过MPC实现对车辆的纵向控制，确保合并过程的平稳性和安全性。
关键创新：本文的主要创新在于提出了一种分布式MPC控制器，显著扩展了初始可行集，并通过虚拟跟车概念增强了局部稳定性和串稳定性。这与现有的单一控制方法形成了鲜明对比。
关键设计：在设计中，采用了混合整数线性规划来优化车辆序列，MPC控制器则通过调整控制参数和损失函数来确保车辆的平稳加速和安全合并，同时考虑了匝道的几何曲率。具体的参数设置和控制策略在实验中进行了详细验证。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提上层控制器在性能上显著优于基于距离的序列方法，能够有效提高合并过程的安全性和稳定性。下层控制确保了平稳加速和安全合并，且在局部和串稳定性方面表现优异，快速调节横向偏差。
🎯 应用场景
该研究的潜在应用领域包括智能交通系统、自动驾驶车辆的匝道合并控制以及城市交通管理。通过提升合并过程的稳定性和安全性，可以有效减少交通事故，提高道路通行效率，具有重要的实际价值和社会影响。
📄 摘要（原文）
This paper develops a sequencing-enabled hierarchical connected automated vehicle (CAV) cooperative on-ramp merging control framework. The proposed framework consists of a two-layer design: the upper level control sequences the vehicles to harmonize the traffic density across mainline and on-ramp segments while enhancing lower-level control efficiency through a mixed-integer linear programming formulation. Subsequently, the lower-level control employs a longitudinal distributed model predictive control (MPC) supplemented by a virtual car-following (CF) concept to ensure asymptotic local stability, l_2 norm string stability, and safety. Proofs of asymptotic local stability and l_2 norm string stability are mathematically derived. Compared to other prevalent asymptotic local-stable MPC controllers, the proposed distributed MPC controller greatly expands the initial feasible set. Additionally, an auxiliary lateral control is developed to maintain lane-keeping and merging smoothness while accommodating ramp geometric curvature. To validate the proposed framework, multiple numerical experiments are conducted. Results indicate a notable outperformance of our upper-level controller against a distance-based sequencing method. Furthermore, the lower-level control effectively ensures smooth acceleration, safe merging with adequate spacing, adherence to proven longitudinal local and string stability, and rapid regulation of lateral deviations.