有限计算能力下联网自动驾驶车辆生态轨迹规划的无优化近似框架
最优化与控制
2025-02-24 v5
摘要
轨迹规划问题（TPP）在下一代交通系统研究中日益关键，但由于其约束的非线性而颇具挑战。TPP 中的一个具体情形，即生态轨迹规划问题（EPP），因其非线性、高阶且非凸的目标函数而带来更大的计算困难。本文提出一种无优化框架，以解决联网自动驾驶车辆（CAVs）在直线行驶场景下的生态轨迹规划问题。该框架由离线模块与在线模块组成。在离线模块中，通过求解一系列简化的优化问题来构建最优生态轨迹批，以最小化燃油消耗，并考虑各种初始与终端系统状态。批中每条候选轨迹在特定的从车辆进入到驶离交叉口的通行时间约束下实现最低燃油消耗。在线模块中，给出了基于不同场景的动态轨迹规划算法。两种算法均大幅提升了规划的计算效率，且仅因基于批的选择过程而承受有限程度的最优性损失，因为优化与计算已在离线模块中预计算。后一种算法还能处理可能的紧急情况与预测误差。我们给出并讨论了数值测试，以在包含人类驾驶车辆（HDV）与不同市场渗透率（MPR）的联网自动驾驶车辆（CAV）的混合交通流环境下，评估该无优化近似框架的计算质量与效率。
引用
@article{arxiv.2307.11236,
title = {An optimization-free approximation Framework for Connected and Automated Vehicles Eco-Trajectory Planning Under limited computing capacity},
author = {Yuanzheng Lei and Yao Cheng and Xianfeng Terry Yang},
journal= {arXiv preprint arXiv:2307.11236},
year = {2025}
}