Towards Cooperative Maneuver Planning in Mixed Traffic at Urban Intersections

连接自动驾驶承诺在高速公路和城市地区显著提高交通效率和安全性。除了通过无线通信链共享意识和感知信息外，合作机动规划可以促进连接自动驾驶车辆在城市交叉口的主动引导。自动交叉口管理的研究提出了大量作品，主要在完全自动化的模拟环境中采用基于规则或基于优化的方法。在这项工作中，我们提出了两种合作规划方法，能够处理混合交通，即道路由自动驾驶车辆和由人类驾驶的普通车辆共享。首先，我们提出了一个基于实际驾驶数据训练的基于优化的规划器，循环选择多个预测的协调机动中最有效的。此外，我们提出了一种基于图形强化学习的合作规划方法，克服了缺乏协作机动的基础真实数据的问题。我们在高保真模拟和现实交通中展示了两种合作规划器的评估结果。在完全自动化的交通和混合交通的模拟实验中，合作机动规划导致由于交互而减少延迟和减少停车次数。在公共交通中进行的三个原型连接自动驾驶车辆的实际实验中，两个规划器都展示了它们执行高效合作机动的能力。

本文旨在解决联网自动驾驶车辆在城市交叉路口的协同规划问题，特别是在混合交通条件下的协同规划。

本文提出了两种协同规划方法，一种是基于真实驾驶数据训练的优化规划器，另一种是基于基于图形强化学习的协同规划方法。两种方法在高保真度模拟和真实交通中都得到了验证。

本文的亮点包括使用真实驾驶数据训练的优化规划器和基于图形强化学习的协同规划方法，在混合交通条件下的实验表明协同规划可以减少交互延迟和停车次数。此外，本文还进行了在公共交通中的实际测试，证明了两种规划器的协同能力。

近年来，自动交通管理领域中的相关研究包括基于规则和优化的方法，以及基于深度学习的方法。