面向混合自主性圆环的层次化多智能体 MCTS 用于安全关键协调
系统与控制
2026-02-25 v4 系统与控制
摘要
navigating 未信号化圆环的混合自主交通 presents 由于车辆间稠密交互、车道变更复杂性以及人驾车辆 (HDVs) 的行为不确定性等挑战。本文提出了一种面向连接自动驾驶车辆 (CAVs) 在双车道圆环中与 HDVs 共存情境下的安全关键决策框架。我们将问题形式化为多智能体马尔可夫决策过程，构建层次化安全评估机制，评估三类关键互动：CAV-to-CAV (C2C)、CAV-to-HDV (C2H) 和 CAV-to-Boundary (C2B)。本文的关键贡献是针对 HDVs 构建车道特定不确定性模型，捕捉内外车道间不同行为模式，外车道车辆因运动受限较少而展现出 更高的不确定性。我们将该安全框架集成到多智能体蒙特卡洛树搜索 (MCTS) 算法中，采用安全感知修剪消除高风险轨迹，同时保持计算效率。奖励函数采用 Shapley 价值-based 信用分配，以平衡个体性能与团队协调。广泛的仿真结果验证了该方法在全自动 (100% AVs) 和混合交通 (50% AVs + 50% HDVs) 条件下的有效性。与基准方法相比，本框架在所有 AVs 中一致降低了轨迹偏差，显著降低了 Post-Encroachment Time (PET) 违规率，在全自动场景中仅为 1.0%，混合交通场景中为 3.2%。
引用
@article{arxiv.2509.01856,
title = {Hierarchical Multi-Agent MCTS for Safety-Critical Coordination in Mixed-Autonomy Roundabouts},
author = {Zhihao Lin and Jianglin Lan and Shuo Liu and Zhen Tian and Dezong Zhao and Chongfeng Wei},
journal= {arXiv preprint arXiv:2509.01856},
year = {2026}
}
备注
13 pages, 11 figures