知识引导的自学习控制策略：解决混合车辆队列延迟问题的创新方案

针对自动驾驶与传统车辆混行导致的交通效率低下及通信延迟问题，研究团队提出知识引导的自学习混合队列控制框架。该研究整合运动波模型和Newell跟驰模型预测传统车辆行为，结合改进的SAC算法处理延迟问题。仿真显示该策略在交通稳定性、能耗和舒适性方面优于现有方法，为零事故混流交通管理提供通用解决方案。

　　

随着自动驾驶技术快速发展，SAE Level 5级自动驾驶车辆预计将在205年占据10%-71%的行驶里程。然而在未来几十年内，自动驾驶车辆与传统人类驾驶车辆混行的交通环境将成为常态。这种混合交通模式面临两大核心挑战：人类驾驶行为的随机性和异质性，以及车联网通信中不可避免的延迟问题。现有研究多聚焦单一类型车辆队列控制，难以应对混流交通中人类驾驶车辆突然加减速引发的交通振荡（如图1b所示），更无法有效解决V2X通信中随机延迟对控制性能的影响。

针对这些挑战，Jingyao Wang等研究者在《Nature Communications》发表研究，提出知识引导的自学习控制框架。该研究创新性地采用"车-路-云"协同架构（图2），通过三个关键技术突破：首先将传统车辆集群行为建模为单一实体，基于运动波模型和Newell跟驰模型预测其期望时变车头时距H_i-j和静止间距L_i-j；其次在SAC算法状态表示中融合历史控制指令以补偿延迟；最后设计基于DRL的模型切换机制应对随机延迟。研究使用NGSIM真实交通数据集训练，在100次随机延迟仿真中保持稳定性能。

【研究方法】

研究采用云端部署的SAC算法作为核心控制器，通过V2X通信获取车辆状态。关键技术包括：1) 基于运动波速度w_v和阻塞密度c_d的集群行为预测模型（公式25-28）；2) 融合历史控制指令的状态表示设计（公式35）；3) 延迟区间划分的模型切换机制；4) 包含舒适度j_jerk和能耗e_eco的多目标奖励函数（公式37）。实验采用加州I-80公路NGSIM真实数据，构建包含7辆车的混合队列进行验证。

【研究结果】

1. 1.

   控制性能比较

   与传统DRL算法相比，知识引导SAC策略在阻尼比g_p（0.54 vs 0.7）、舒适度成本（降低32.1%）和能耗（降低33.9%）等指标均显著优越（图4）。特别是在车辆换道场景实现零碰撞率（图10），而DDPG和PPO算法出现轨迹交叉。

1. 1.

   延迟鲁棒性验证

   在延迟波动达2ΔT（ΔT=0.1s）时，第2辆CAV加速度幅值保持1.5m/s²以内的稳定表现（图6）。100次随机延迟实验中，跟随车辆性能指标中位数始终优于前车（图8），证明模型切换机制的有效性。

1. 1.

   渗透率影响

   当CAV渗透率从0%提升至100%时，交通流稳定性f_flow提高8.7%（表1）。热力图显示（图7），纯人类驾驶队列会出现速度归零的交通阻塞，而混合队列能有效抑制振荡传播。

【结论与意义】

该研究突破性地解决了混流交通中行为预测和延迟补偿两大难题。通过知识引导与数据驱动的融合，提出的控制框架具有三大优势：1) 无需精确获取人类驾驶车辆参数λ_i-j和δ_i-j；2) 可适应0.2-2.0ΔT的随机延迟；3) 在换道等复杂场景保持零碰撞率。相比现有方法，在交通稳定性、能耗和舒适性等指标上实现全面提升，为未来智慧交通系统提供可扩展的解决方案。研究代码已开源，为后续研究提供重要基准。