原文传递
基于MAS的网联自动驾驶车辆混行集聚控制模型研究
| 论文题名： | 基于MAS的网联自动驾驶车辆混行集聚控制模型研究 |
| 关键词： | 网联自动驾驶汽车;混行交通流;集聚控制;多智能体 |
| 摘要： | 伴随着车辆网联化、智能化的进程，网联自动驾驶车辆(Connected And Autonomous Vehicle,CAV)开始涌入道路交通，与传统人工驾驶车辆(Human-Pilot Vehicle,HPV)形成混行交通流。如何设计合理的CAV控制模型，进而提升混行交通流的通行效率是当前的研究热点，且目前存在的主要难题是缺乏统一的CAV控制理论和指导思想、单一化的模型及策略的设计与制定、与未来实际应用联系不够紧密。本文依托国家重点研发计划“车路协同系统要素耦合机理与协同优化方法(2018YFB1600500)”，以混行交通流中CAV车队的形成和保持为切入点，通过引入多智能体系统(Multi-Agent System,MAS)理论和集聚思想，构建CAV混行集聚控制框架，并基于该控制框架设计了CAV集聚控制模型(Agglomeration Control Model of Connected And Autonomous Vehicle Based on Multi-Agent System,ACMCAV-MAS)以及交叉口集聚通行控制模型(Control Model of Agglomeration Passing through Intersection Based on MAS,CMAPI-MAS)。 主要研究工作如下： (1)构建了基于MAS的CAV集聚控制框架。具体地，通过解析混行环境特征，分析了交通流中的各类要素，设计了面向混行集聚的上层管理Agent和底层车辆Agent，并在此基础上构建了基于MAS的CAV集聚控制框架。基于该集聚控制框架，系统能及时获取并处理混行环境中的交通信息，并通过通讯手段和集聚算法向不同行驶状态的车辆Agent传达匹配的控制信息。 (2)设计了基于MAS的CAV集聚控制模型。该控制模型面向混行路段场景，其中主要包括车队级集聚(Platoon Level Agglomeration,PLA)和车道级集聚(Lane Level Agglomeration,LLA)两种策略以及相应的车辆Agent横纵向控制算法。仿真实验表明：PLA和LLA策略均能在一定密度和CAV-Agent渗透率范围内提升道路交通的通行效率，且能在60%的CAV-Agent渗透率下达到最佳效益，同时，两种集聚策略对风险降低的最大比例都能达到20%以上。 (3)设计了基于MAS的CAV交叉口集聚通行控制模型。该控制模型基于改进的遗传算法对车辆Agent在交叉口通行时面临的多种约束进行求解，进而对交叉口中的混行交通流进行信号配时和速度轨迹的协同优化。仿真实验表明：该控制模型能降低单点交叉口内车辆Agent20.6%平均延误和22%的平均油耗，且将其引入城市区域后可以降低区域内车辆Agent34.8%的平均出行时间。 综上，本文基于构建的集聚框架设计了ACMCAV-MAS和CMAPI-MAS两种集聚控制模型，对于增强混行交通流的管控能力具有重要的理论意义和价值。 |
| 作者： | 杨程灿 |
| 专业： | 交通运输工程 |
| 导师： | 梁军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
