迈向混合交通中的协同驾驶：一种基于自适应势博弈的方法及实地测试验证
机器人学
2026-04-23 v1
摘要
作为自动驾驶技术的一项重大进步，联网自动驾驶汽车 (CAVs) 有潜力通过协同决策大幅提升交通安全与效率。然而，现有方法常常忽视协同参与者的个体需求与异质性，使其难以迁移到与人类驾驶车辆 (HDVs) 共存的环境中。为应对这一挑战，本文提出了一种自适应势博弈 (APG) 协同驾驶框架。首先，基于个体效用的一般形式及其单调关系建立系统效用函数，允许同时优化个体与系统目标。其次，引入 Shapley 值来计算系统中每辆车的边际效用，从而量化其变化的影响。最后，通过持续比较观察到的 HDV 行为与 APG 的估计动作，动态优化 HDV 偏好估计，从而提升整体系统的安全性与效率。消融研究表明，自适应更新 Shapley 值和 HDV 偏好估计显著提高了混合交通中的协同成功率。对比实验进一步凸显了 APG 在安全性和效率方面优于其他协同方法的优势。此外，通过实地测试验证了该方法在真实场景中的适用性。
引用
@article{arxiv.2604.20231,
title = {Toward Cooperative Driving in Mixed Traffic: An Adaptive Potential Game-Based Approach with Field Test Verification},
author = {Shiyu Fang and Xiaocong Zhao and Xuekai Liu and Peng Hang and Jianqiang Wang and Yunpeng Wang and Jian Sun},
journal= {arXiv preprint arXiv:2604.20231},
year = {2026}
}