混合交通合流场景下网联自动驾驶车辆的随机时间最优轨迹规划

解决混合交通环境中网联自动驾驶车辆（CAV）与人驾车辆之间安全高效的相互作用已引起广泛关注。本文提出一种用于混合交通合流场景下多 CAV 协同的随机时间最优轨迹规划框架。我们给出一种数据驱动模型，将 Newell 跟车模型与贝叶斯线性回归结合，用于在线高效学习人类驾驶行为。利用该预测模型与不确定性量化，我们构建了一个随机时间最优控制问题，以求得 CAV 的鲁棒轨迹。我们还集成了一个重规划机制，基于贝叶斯线性回归预测的精度来决定何时需要为 CAV 重新生成轨迹。最后，我们利用真实仿真环境验证了所提框架的性能。