具有耦合安全约束的网联自动驾驶车辆分散模型预测控制

在无车道高速公路上运行的网联自动驾驶车辆（CAV）可显著提高交通效率。然而，其固有的非线性动力学以及耦合的非凸安全约束给控制设计带来了严峻挑战。集中式模型预测控制（MPC）可确保安全性，但存在可扩展性和通信限制。为解决这些挑战，本文研究了用于CAV协调的分散式MPC（DMPC），重点关注迭代式非合作算法，包括Jacobi型和Gauss-Seidel型。受缓冲Voronoi单元的启发，开发了一种新颖的解耦方法，将非凸安全约束转化为凸的、局部可执行的约束。仿真结果表明，所提出的DMPC算法能够实现安全高效的车辆轨迹，同时显著提高可扩展性，凸显了其在未来无车道CAV交通系统中的潜力。最终，结果表明最合适的分散控制策略取决于安全性、性能和计算效率之间的期望权衡。