网络上自动驾驶车辆的动态驾驶与路径选择博弈：一种平均场博弈方法

本文旨在回答关于自动驾驶车辆（AVs）决策过程最优设计的研究问题，包括交通网络上驾驶速度与路径选择的动态选取。动态交通分配（DTA）已被广泛用于建模出行者的路径选择和/或出发时间选择，并短期预测动态交通流演化。然而，现有DTA模型未明确描述个体在路段上的驾驶速度选择。驾驶速度选择对于建模人类驾驶员运动可能不关键，但却是操控AVs必备的控制量。本文旨在开发一种博弈论模型，求解AVs在路段内部的车速控制最优驾驶策略及在交叉节点处的路径选择。为此，我们首先将DTA问题重新诠释为N车微分博弈，并表明该博弈可用一般平均场博弈论框架处理。所发展的平均场博弈因速度控制的前向-后向结构及路径选择的互补条件而难以求解。我们开发了高效算法应对这些挑战。模型与算法在具有单一目的地的Braess网络和OW网络上进行了演示。在Braess网络上，我们首先比较基于LWR的DTA模型与所提博弈，发现驾驶与路由控制以总体更低代价引导AVs。随后我们比较有无中间路段的总出行代价，发现Braess悖论在某些条件下仍可能出现。我们也在OW网络上测试了所提模型与求解算法。