基于分布式 MPC 的协同车跟随
系统与控制
2025-10-03 v1 系统与控制
摘要
在马尔可夫博弈的建模框架下，我们提出了一系列用于协同车跟随的分布式模型预测控制 (DMPC) 算法。与跟踪预定可行轨迹不同，驱动策略直接作为 DMPC 优化的结果给出。通过迭代自我对弈，推导出协同解，并通过代理间或代理-基础设施之间的直接协商实现。这些解紧密地近似于纳什均衡或集中优化。通过将 DMPC 中的动作序列重新参数化为沿规划时域的曲线，我们能够系统性地将原始 DMPC 简化为非常高效的网格搜索，从而在实时条件下良好地执行最优解。在我们的建模框架下，流量控制问题可自然地表述为机制设计问题，在此框架下，所有代理在平等地位上被纳入，并实现完全的内在兼容性。我们展示了在高车辆密度下，如何显著提高交通效率，同时将停顿-波动现象控制在可接受范围。我们的方法可视为一种不使用显式编队（或将交通系统中所有车辆视为单个扩展编队）的协同自适应巡航控制 (CACC) 的另一种表述方式。我们也讨论了相关离散时间交通动力学的线性稳定性问题，并说明为何这始终不完整地揭示交通稳定性。
引用
@article{arxiv.2510.02010,
title = {Coordinated Car-following Using Distributed MPC},
author = {Di Shen and Qi Dai and Suzhou Huang},
journal= {arXiv preprint arXiv:2510.02010},
year = {2025}
}