面向缓解混合交通拥堵的双互动感知合作控制策略
系统与控制
2026-03-06 v1 多智能体系统
机器人学
系统与控制
摘要
随着智能交通系统（ITS）的发展，连接和自动驾驶车辆（CAVs）有望通过合作策略显著减少瓶颈区域的交通拥堵。然而，人驾驶车辆（HDVs）在混合交通环境中行为的不确定性和多样性为CAVs的合作带来了重大挑战。本文提出了一种双互动感知合作控制（Dual-Interaction-Aware Cooperative Control, DIACC）策略，该策略在混合交通瓶颈场景下，针对CAVs的局部和全局互动感知在多智能体强化学习（MARL）框架内进行增强。DIACC策略包含三个关键创新：1）一种去中心化的互动自适应决策制定（Decentralized Interaction-Adaptive Decision-Making, D-IADM）模块，通过区分CAV-CAV合作互动与CAV-HDV观察互动来增强actor的局部互动感知；2）一种集中式的互动增强批评家（Centralized Interaction-Enhanced Critic, C-IEC），通过基于互动的值估计来提高critic的全局交通理解，为策略更新提供更精确的指导；3）一种奖励设计，采用软min聚合结合温度退火，以优先处理混合交通中的高互动场景。此外，还提出了一种轻量级的主动安全基于动作细化（Proactive Safety-based Action Refinement, PSAR）模块，应用规则-based纠正以加快训练收敛速度。实验结果表明，DIACC显著优于基于规则的和基准MARL模型，在交通效率和适应性方面表现更佳。
引用
@article{arxiv.2603.03848,
title = {Dual-Interaction-Aware Cooperative Control Strategy for Alleviating Mixed Traffic Congestion},
author = {Zhengxuan Liu and Yuxin Cai and Yijing Wang and Xiangkun He and Chen Lv and Zhiqiang Zuo},
journal= {arXiv preprint arXiv:2603.03848},
year = {2026}
}