智能网联环境下基于谱聚类的车辆群体牵制控制策略

作     者：王灿 赵妍 李林恒 曲栩 冉斌 WANG Can;ZHAO Yan;LI Lin-heng;QU Xu;RAN Bin

作者机构：东南大学交通学院江苏南京211189 东南大学东南大学-威斯康星大学智能网联交通联合研究院江苏南京211189 东南大学现代城市交通技术江苏高校协同创新中心江苏南京211189 

基　　金：国家自然科学基金项目(52202408) 科技创新2030——“新一代人工智能”重大项目(2022ZD0115600) 江苏省研究生科研创新计划项目(KYCX23_0308) 东南大学博士研究生创新能力提升计划项目(CXJH_SEU 24183) 

出 版 物：《中国公路学报》 (China Journal of Highway and Transport)

年 卷 期：2024年第37卷第11期

页      码：235-248页

摘      要：智能网联环境下通过对车辆群体中部分关键的网联与自动驾驶车辆实施反馈控制,能够间接影响人工驾驶车辆的运行,从而在效率、安全等方面实现对整体交通流的优化。基于此提出了一种基于谱聚类的牵制控制(Spectral Clustering Based Pinning Control, SC-PC)策略,旨在优化智能网联环境下车辆群体的微观控制方法与效果,提升交通流整体运行水平。首先,面向智能网联环境下的车辆群体提出了网络模型的构建与牵制控制的定义。其次,综合考虑网络拓扑静态信息与车辆动力学动态信息,提出了一种基于谱聚类算法的关键控制节点识别方法,用于确定牵制控制的实施对象。然后,以安全和效率等多目标为导向设计了针对牵制节点车辆的反馈控制方法。最后,基于真实场景下车辆跟驰行驶的TOD数据集开展数值仿真试验,对比分析不同牵制节点识别方法与不同牵制率下的牵制控制效果,并对所提SC-PC策略的有效性进行了验证。结果表明:相较于其他牵制控制策略,所提出的SC-PC策略能够更加准确地识别出车辆群体中的关键控制节点,在交通振荡、同步性、安全性指标方面分别至少提升5.3%、11.7%和16.0%,所提方法能够在提高交通流抗干扰性的同时,实现效率与安全性的同步优化,可服务于智能网联环境下交通流优化控制问题中资源投入与控制效果的权衡。

主 题 词：交通工程 混合交通优化 牵制控制 车辆群体 谱聚类 智能网联环境 

学科分类：03[法学] 08[工学] 0838[0838] 0306[法学-公安学类] 

核心收录：

D　O　I：10.19721/j.cnki.1001-7372.2024.11.018

馆 藏 号：203156006...