面向拥堵坡道合并的安全高效车联网自动驾驶车 lanes change 协同安全护盾
机器人学
2026-02-11 v1 人工智能
多智能体系统
系统与控制
系统与控制
摘要
密集交通中的车道变换是车联网自动驾驶车（CAV）面临的重大挑战之一。现有车道变换控制器要么确保安全，要么协同提高交通效率，但未能同时考虑这两种冲突目标。为此，我们提出了基于控制屏障函数（CBFs）设计的多代理安全护盾（MASS），以实现安全且协同的车道变换。MASS通过将CAV之间的多代理相互作用捕获为图形结构的互动拓扑实现协作。进一步地，将一种最新多代理强化学习（MARL）车道变换控制器扩展集成MASS以确保安全并定义自定义奖励函数以优先提高效率。因此，我们提出一种称为MARL-MASS的车道变换控制器，并在拥堵坡道合并仿真中对其进行评估。结果表明，MASS通过严格遵守安全约束实现协同车道变换。此外，提出的自定义奖励函数提高了使用安全护盾训练的MARL策略稳定性。总体而言，通过鼓励在遵守安全约束的同时探索协同车道变换策略，MARL-MASS有效平衡了确保安全与提高交通效率之间的权衡。MARL-MASS的代码已在开源许可下提供于https://github.com/hkbharath/MARL-MASS
引用
@article{arxiv.2602.10007,
title = {A Collaborative Safety Shield for Safe and Efficient CAV Lane Changes in Congested On-Ramp Merging},
author = {Bharathkumar Hegde and Melanie Bouroche},
journal= {arXiv preprint arXiv:2602.10007},
year = {2026}
}
备注
Accepted in IEEE IV 2026