DOI: https://doi.org/10.1109/tmc.2026.3650774
تاريخ النشر: 2026-01-05
المؤلف: Jiahou Chu وآخرون
الموضوع الرئيسي: التحكم وإدارة المرور
نظرة عامة
تقدم هذه الورقة إطار عمل قائم على الحوسبة المتنقلة يهدف إلى تعزيز الحوسبة الموزعة والتحكم التعاوني للمركبات المتصلة والآلية (CAVs) خلال سيناريوهات دمج الممرات ضمن أنظمة النقل الذكية (ITS). في البداية، يتم صياغة مشكلة تخطيط المسار المركزي لتحسين كفاءة الدمج والسلامة. للتخفيف من الاعتماد على وحدة تحكم مركزية، تم تطوير حل موزع باستخدام خوارزمية طريقة الاتجاه المتناوب للمعاملات (ADMM)، مستفيدًا من الاتصال بين المركبات وكل شيء (V2X). وهذا يسمح للمركبات المتصلة والآلية (CAVs) بحساب المسارات بشكل تعاوني بالتوازي، مستفيدين من مواردهم الحاسوبية على متن المركبة. علاوة على ذلك، يتم اقتراح مشكلة التحكم التنبؤي متعدد المركبات (MPC) لتحسين استقرار النظام تحت قيود صارمة، والتي يتم تناولها من خلال طريقة التحكم التعاوني التكراري الموزع (DCIMPC) التي تعيد صياغة المشكلة للتنفيذ في الوقت الحقيقي عبر عدة مركبات متصلة وآلية.
في الختام، يتناول الإطار المقترح بفعالية مشكلة التحكم في المركبات المتعددة في سيناريوهات دمج الممرات من خلال نهج من خطوتين. تبسط الخطوة الأولى وضع دمج الممرات إلى مشكلة تخطيط مسار متعدد المركبات، مع التركيز على سلامة وكفاءة المرور على مستوى الماكرو. تصيغ الخطوة الثانية مشكلة تحكم مجهرية أكثر تفصيلاً بناءً على المسارات من الخطوة الأولى، مع دمج نماذج حركية واقعية وقيود سلامة أكثر صرامة. يتم استخدام طريقة DCIMPC لحل هذه المشكلة بالتوازي، وتؤكد المحاكاة على فعالية النهج ذي الخطوتين وتوافق الخوارزمية الموزعة. بالإضافة إلى ذلك، تبرز مقارنات أوقات الحل مع أعداد متغيرة من المركبات المتصلة والآلية الجدوى العملية للإطار المقترح.
مقدمة
تسلط المقدمة الضوء على تزايد الازدحام المروري ومشاكل السلامة في المناطق الحضرية بسبب العدد المتزايد من المركبات. تقدم المركبات المستقلة (AVs) حلاً محتملاً، ومع ذلك، فإن تشغيلها الحالي محدود بذكاء المركبة الواحدة، معتمدًا فقط على المستشعرات الموجودة على متنها دون اتصال فعال بين المركبات. أدت هذه القيود إلى ظهور تقنية المركبات المتصلة بكل شيء (V2X)، وخاصة بروتوكول NR-V2X الذي طوره مشروع الشراكة من الجيل الثالث (3GPP)، والذي يمكّن الاتصال منخفض الكمون بين المركبات المتصلة والآلية (CAVs).
يسهل دمج تقنية V2X في أنظمة النقل الذكية (ITS) تطوير خوارزميات التحكم التعاوني وإطارات الحوسبة الموزعة، خاصة في سيناريوهات المرور مثل دمج الممرات. غالبًا ما يتطلب هذا السيناريو من المركبات المتصلة والآلية (CAVs) ضبط سرعاتها للدمج بأمان، وهو ما يمكن أن يكون غير فعال بسبب أنماط القيادة البشرية المتنوعة والاتصال غير الكافي. بينما استكشفت الأبحاث الحالية كل من خوارزميات التحكم الموزعة والمركزية لدمج الممرات، تميل الأساليب المركزية إلى تحقيق أداء أفضل على حساب زيادة تعقيد النشر وتقليل المرونة. وبالتالي، فإن تطوير إطار عمل للحوسبة والتحكم الموزع يمكنه معالجة مشاكل التحسين العالمية في دمج الممرات بشكل فعال أمر بالغ الأهمية لتعزيز كفاءة وسلامة أنظمة النقل الذكية.
نقاش
في قسم النقاش، يستعرض المؤلفون الأطر الحالية للتحكم المركزي والموزع لسيناريوهات دمج الممرات للمركبات المتصلة والآلية (CAV)، مع تسليط الضوء على مختلف الأساليب التي تستخدم نظرية الألعاب التعاونية، والتحكم الأمثل، والتعلم الآلي. تحقق الأساليب المركزية، مثل تلك التي اقترحها جينغ وآخرون وميلاينس وآخرون، عادة أداءً أفضل من خلال حل مشاكل التحسين عبر وحدة تحكم مركزية، لكنها تتطلب بنية تحتية مثل محطات القاعدة. على العكس من ذلك، تسمح المخططات الموزعة، التي تمثلها زو وآخرون وهوانغ وآخرون، للمركبات المتصلة والآلية (CAVs) باتخاذ قرارات الدمج بناءً على المعلومات المحلية، مما يعزز القابلية للتكيف ولكن قد يضحي بالأداء. يؤكد المؤلفون على التحدي المتمثل في دمج نقاط القوة لكلا الإطارين لمعالجة تعقيدات دمج الممرات بشكل فعال.
تشمل مساهمات الورقة تقديم إطار عمل جديد للحوسبة الموزعة المدعومة بتقنية V2X التي تعالج تخطيط المسار والتحكم في سيناريوهات دمج الممرات. يحدد المؤلفون مشكلة تخطيط المسار التي تضمن سلامة المركبات المتصلة والآلية (CAV) وكفاءة تدفق المرور، تليها مشكلة التحكم التنبؤي متعدد المركبات (MPC) التي تتضمن قيود السلامة. يقترحون خوارزمية موزعة تستفيد من ازدواجية لاغرانج وطريقة الاتجاه المتناوب للمعاملات (ADMM) لحل مهمة تخطيط المسار بشكل تكراري بين المركبات المتصلة والآلية (CAVs). بالإضافة إلى ذلك، يقدمون طريقة التحكم التعاوني التكراري الموزع (DCIMPC) التي تسمح بحل المشكلات بالتوازي مع الحفاظ على السلامة من خلال تقنيات التحسين المحدبة. تؤكد المحاكاة الواسعة على فعالية الإطار، مما يظهر جودة تحسين متفوقة ووقت حساب مخفض مقارنة بالطرق الموزعة الحالية.
DOI: https://doi.org/10.1109/tmc.2026.3650774
Publication Date: 2026-01-05
Author(s): Jiahou Chu et al.
Primary Topic: Traffic control and management
Overview
This paper introduces a mobile computing-based framework aimed at enhancing the distributed computing and cooperative control of connected and automated vehicles (CAVs) during ramp merging scenarios within intelligent transportation systems (ITS). Initially, a centralized trajectory planning problem is formulated to optimize merging efficiency and safety. To mitigate dependence on a central controller, a distributed solution utilizing the Alternating Direction Method of Multipliers (ADMM) algorithm is developed, leveraging Vehicle-to-Everything (V2X) communication. This allows CAVs to collaboratively compute trajectories in parallel, utilizing their onboard computational resources. Furthermore, a multivehicle model predictive control (MPC) problem is proposed to improve system stability under stringent constraints, which is addressed through a Distributed Cooperative Iterative MPC (DCIMPC) method that reformulates the problem for real-time execution across multiple CAVs.
In conclusion, the proposed framework effectively tackles the multi-vehicle control problem in ramp merging scenarios through a two-step approach. The first step simplifies the ramp merging situation into a multi-vehicle trajectory planning problem, focusing on macroscopic traffic safety and efficiency. The second step formulates a more detailed microscopic control problem based on the trajectories from the first step, incorporating realistic kinematic models and tighter safety constraints. The DCIMPC method is employed to solve this problem in parallel, and simulations validate both the effectiveness of the two-step approach and the convergence of the distributed algorithm. Additionally, comparisons of solution times with varying numbers of CAVs underscore the practical feasibility of the proposed framework.
Introduction
The introduction highlights the escalating traffic congestion and safety issues in urban areas due to the increasing number of vehicles. Autonomous vehicles (AVs) present a potential solution, yet their current operation is limited to single-vehicle intelligence, relying solely on onboard sensors without effective inter-vehicle communication. This limitation has led to the emergence of CAV-to-Everything (V2X) technology, particularly the NR-V2X protocol developed by the 3rd Generation Partnership Project (3GPP), which enables low-latency communication among connected and autonomous vehicles (CAVs).
The integration of V2X technology into intelligent transportation systems (ITS) facilitates the development of cooperative control algorithms and distributed computing frameworks, particularly in traffic scenarios like on-ramp merging. This scenario often requires CAVs to adjust their speeds to merge safely, which can be inefficient due to varying human driving styles and inadequate communication. While existing research has explored both distributed and centralized control algorithms for on-ramp merging, centralized approaches tend to yield better performance at the cost of increased deployment complexity and reduced flexibility. Consequently, the development of a distributed computing and control framework that can effectively address global optimization problems in on-ramp merging is crucial for enhancing the efficiency and safety of ITS.
Discussion
In the discussion section, the authors review existing centralized and distributed control frameworks for connected and autonomous vehicle (CAV) ramp merging scenarios, highlighting various approaches that utilize cooperative game theory, optimal control, and machine learning. Centralized methods, such as those proposed by Jing et al. and Milanes et al., typically achieve better performance by solving optimization problems through a central controller, but they require infrastructure like base stations. Conversely, distributed schemes, exemplified by Zhou et al. and Hwang et al., allow CAVs to make merging decisions based on local information, enhancing adaptability but potentially sacrificing performance. The authors emphasize the challenge of integrating the strengths of both frameworks to address the complexities of ramp merging effectively.
The paper’s contributions include the introduction of a novel V2X-assisted distributed computing framework that addresses trajectory planning and control in ramp merging scenarios. The authors establish a trajectory planning problem that ensures CAV safety and traffic flow efficiency, followed by a multi-vehicle model predictive control (MPC) problem that incorporates safety constraints. They propose a distributed algorithm leveraging Lagrange duality and the alternating direction method of multipliers (ADMM) to solve the trajectory planning task iteratively among CAVs. Additionally, they introduce a Distributed Cooperative Iterative MPC (DCIMPC) method that allows for parallel problem-solving while maintaining safety through convex optimization techniques. Extensive simulations validate the framework’s effectiveness, demonstrating superior optimization quality and reduced computation time compared to existing distributed methods.