面向自动车超车的基于博弈论的预测控制框架及统计碰撞规避约束
系统与控制
2025-09-18 v1 系统与控制
摘要
本工作发展了一种用于联合自动驾驶车辆（CAV）在混合交通环境中自动超车的控制框架，其中被超车车辆为非联通但具互动的人工驾驶车辆。我们提出的方法称为 Game-Theoretic, PRedictive Overtaking（GT-PRO）策略，成功地将 CAV 的纵向和横向车辆动力学解耦，并通过创新的纵向和横向基于模型预测控制（MPC）控制器综合协调这些解耦动力学。为了解决人工驾驶车辆的实时交互行为，横向控制器通过求解动态斯塔克尔博弈的双层优化，直接控制 CAV 横向运动并预测被超车车辆的纵向响应，其随后被共享给控制 CAV 纵向运动的随机 MPC。该策略利用了一套全面的真实世界数据集，这些数据捕获了人类驾驶员在被超车时的响应情况，用于根据最常见的人类响应调整博弈论横向控制器，并统计化描述人类不确定性，从而在随机纵向控制器中实现碰撞规避机会约束。对于被超车车辆礼貌和激进人类响应情况的仿真结果表明，所提出的 GT-PRO 能实现更安全、更高效、更舒适的自动超车，相较于文献中现有的自动超车方法。进一步的结果表明，GT-PRO 方法能够实现实时性。
引用
@article{arxiv.2509.13545,
title = {A Game-Theoretic Predictive Control Framework with Statistical Collision Avoidance Constraints for Autonomous Vehicle Overtaking},
author = {Sheng Yu and Boli Chen and Imad M. Jaimoukha and Simos A. Evangelou},
journal= {arXiv preprint arXiv:2509.13545},
year = {2025}
}