应急车辆快速 transit 的分布式实时车辆控制：可扩展合作方法

快速应急车辆到达至关紧要，能拯救生命并减少财产损失，但往往依赖周围普通车辆协同调整驾驶行为。确保应急车快速到达，同时尽量减少对普通车辆的影响，是重要挑战。中心化数学求解器和强化学习是当前先进方法。前者获得最优解，但仅适用于小规模场景；后者通过大规模集中训练获得经验，但对不同交通条件的可扩展性有限。因此，现有方法存在两个根本局限：高计算成本和缺乏可扩展性。为克服上述局限，本文提出一种可扩展的分布式车辆控制方法，车辆仅使用局部信息即可在线上分布式调整驾驶行为。我们证明，仅依赖局部信息的分布式方法与使用全局信息的方法近似等价，使车辆能够在无需预训练、自然适应不同交通条件的情况下，实时对候选状态进行评估并做出近似最优决策。随后，进一步提出一种分布式冲突解决机制，以确保车辆安全，避免决策冲突，消除集中方法的单点故障风险，并提供确定性安全保证。与现有方法相比，基于真实交通数据集的仿真实验表明，所提方法实现了更快的决策速度、更小的对普通车辆影响，以及在不同交通密度和道路配置下保持更强的可扩展性。