立即发布
如果自动驾驶汽车想要得到广泛采用，我们需要知道它们有能力驾驭复杂的交通状况，比如在高速公路上车道消失时融入拥挤的车流。为此，北卡罗莱纳州立大学的研究人员开发了一种技术，可以让自动驾驶汽车软件更快地进行相关计算，从而提高模拟自动驾驶汽车系统的交通和安全性。
北卡罗来纳州立大学土木、建筑和环境工程助理教授阿里·哈吉巴拜耶(Ali Hajbabaie)是一篇论文的通讯作者，他说:“目前，旨在帮助自动驾驶汽车在变道过程中导航的程序依赖于使计算问题足够简单，从而能够快速解决，这样车辆才能实时运行。”然而，过于简化问题实际上会产生一系列新的问题，因为现实世界的场景很少是简单的。
“我们的方法让我们能够接受现实世界问题的复杂性。我们没有专注于简化问题，而是开发了一种协作分布式算法。这种方法本质上是将一个复杂的问题分解成更小的子问题，并将它们发送到不同的处理器分别解决。这个过程被称为并行化，可以显著提高效率。”
在这一点上，研究人员只在模拟中测试了他们的方法，在模拟中子问题在同一个计算系统的不同核心之间共享。然而，如果自动驾驶汽车在道路上使用这种方法，这些车辆将彼此联网，并共享计算子问题。
在概念验证测试中，研究人员考察了两件事:他们的技术是否允许自动驾驶汽车软件实时解决合并问题;以及与现有的自动驾驶汽车导航模型相比，新的“合作”方法如何影响交通和安全。
在计算时间方面，研究人员发现，他们的方法可以让自动驾驶汽车在中等和大交通流量的情况下实时导航复杂的高速公路车道合并场景，当交通量特别高时，性能会比较差。
但在改善交通和安全方面，这项新技术表现得格外出色。在某些情况下，特别是在通信量较低的情况下，这两种方法的性能基本相同。但在大多数情况下，新方法的性能大大优于以前的模型。更重要的是，在车辆必须停下来或“接近撞车状态”的情况下，这种新技术没有发生过任何事故。另一个模型的结果包括了多个场景，其中有成千上万的停车和接近撞车的情况。
“在概念验证测试中，我们对这项技术的表现非常满意，”Hajbabaie说。“还有改进的空间，但我们有了一个良好的开端。
“好消息是，我们正在开发这些工具并解决这些问题，因此，随着自动驾驶系统被更广泛地采用，我们处于有利地位，以确保安全。”
纸”,互联自动车辆的分布式协同轨迹和变道优化:有车道下降的高速路段，出现在杂志上交通研究(三)．这篇论文的第一作者是Mehrdad Tajalli，他是北卡罗来纳州立大学的一名博士研究生。这篇论文是由北卡罗来纳州立大学的博士生Ramin Niroumand合著的。
希普曼-
编辑:研究摘要如下。
互联自动驾驶车辆的分布式协同轨迹和变道优化:有落道的高速路段
作者: Mehrdad Tajalli, Ramin Niroumand和Ali Hajbabaie，北卡罗来纳州立大学
发表: 8月20日,交通研究(三)
DOI: 10.1016 / j.trc.2022.103761
文摘:本研究提出了一种在高速公路路段有车道下降情况下联网自动车辆(CAVs)的最优控制方法。在交通量大的时候，车道下降会造成大量的强制和自主变道操作的瓶颈，最终会导致走走停停的情况。适当的运动规划与最优的车道变化上游的车道下降可以增加容量，减少停车次数和碰撞风险。本文介绍了一种车级混合整数规划，以控制车辆的纵向和横向运动，提供流畅的交通，并避免在车道下降的高速公路路段的拥堵。为了保证车辆级决策的可行性和促进系统级最优性，建立了一种协同分布式算法，在该算法中，cav协调决策以找到避免所有车辆之间发生碰撞的最优纵向和横向机动。提出的协调方案可以让CAVs根据周围车辆的预测信息(即未来的位置和速度)找到自己的最佳轨迹，并协调它们的变道决策，以避免碰撞。结果表明，在拥堵的交通条件下，最优变道方案能使交通流更加顺畅，提高高速公路通行能力。与Vissim中模拟的全知CAVs相比，所提出的方法将平均行驶时间缩短了86.4%。基于不同的交通需求和车道掉落布局组合，它增加了高达134.3%的完成行程。
