基于安全强化学习的以车队为中心的绿灯最佳速度建议
系统与控制
2025-09-17 v1 系统与控制
摘要
随着网联自动驾驶车辆 的最新进展，绿灯最佳速度建议 作为一种有前景的生态驾驶策略出现，旨在减少交叉路口的停车次数和怠速时间，从而降低能耗和排放。现有研究通常在不考虑对整个混合交通车队影响的情况下，提升单个 CAV 的能耗和出行效率，导致交通流效率低下。虽然强化学习 (RL) 有潜力在混合交通环境中实现车队级别的控制，但 RL 的训练仍面临以下挑战： 跟车安全性，即 CAV 不应与其紧邻的前车发生碰撞；以及 红灯安全性，即 CAV 不应闯红灯。为了应对这些挑战，本文开发了一个以车队为中心、基于安全 RL 的 GLOSA 系统，该系统使用多智能体控制器来优化 CAV 速度，同时在能耗和出行效率之间取得平衡。我们进一步将控制屏障函数 集成到基于 RL 的策略中，以在跟车安全性和红灯安全性方面提供显式的安全保证。仿真结果表明，我们提出的方法在驾驶安全性和车队能耗方面优于 SOTA 方法。
引用
@article{arxiv.2509.12378,
title = {Platoon-Centric Green Light Optimal Speed Advisory Using Safe Reinforcement Learning},
author = {Ruining Yang and Jingyuan Zhou and Qiqing Wang and Jinhao Liang and Kaidi Yang},
journal= {arXiv preprint arXiv:2509.12378},
year = {2025}
}