一种面向混合自动驾驶队列控制的参数隐私保护策略

已有研究表明，头车巡航控制（LCC）通过允许网联自动驾驶车辆（CAV）基于周围车辆提供的信息做出纵向控制决策，可以改善混合自动驾驶队列的运行。然而，LCC 通常要求周围的人类驾驶车辆（HDV）共享其实时状态，这些状态可能被对手用来推断驾驶员的跟驰行为，从而可能导致经济损失或安全隐患。本文旨在通过为混合自动驾驶队列控制设计一种参数隐私保护方法，来解决此类隐私问题并保护 HDV 的行为特征。首先，我们将一个参数隐私滤波器集成到 LCC 中，以保护敏感的跟驰参数。该隐私滤波器允许每辆车通过将真实参数扭曲为伪参数来生成看似真实的伪状态，从而在不显著影响控制性能的前提下保护驾驶员的行为参数隐私。其次，为了增强 LCC 内隐私滤波器的可靠性和实用性，我们首先向隐私滤波器引入了个体级参数隐私保护约束，重点关注每个单独参数对的隐私级别。随后，我们通过神经网络估计器将当前方法扩展到连续参数空间。第三，头尾弦稳定性分析揭示了隐私滤波器在降低混合交通流性能方面的潜在影响。仿真表明，该方法能够在 LCC 中有效权衡隐私与控制性能。我们进一步展示了该方法在网络化系统中的优势，即通过将隐私滤波器应用于前车，也可以为后车实现一定程度的隐私保护。