2024年10月23日，TOPS第151期组会于通达馆A102线下举行。本次组会由23级博士生崔一鸣、刘学凯带来自己的研究进展汇报，分别与大家讨论交流《无信号交叉口人机混驾交互建模与CAV协同决策》和《基于观点动力学的环岛车辆协商决策》和。课题组全体老师同学出席了本次组会。

汇报时刻

首先由崔一鸣同学带来《基于无信号交叉口人机混驾交互建模与CAV协同决策》的研究汇报。汇报内容涵盖研究背景、技术路线、实验平台建设和工作计划四个部分。

在研究背景部分，介绍了当前国内外自动驾驶试点应用问题频发，现有自动驾驶车辆的决策能力尚存缺陷，带来个体及系统层面的安全效率损失。目前，AV与HV存在交互困境，过分保守的交互行为，缺乏自适应调整能力；AV与AV交互能力弱等问题。因此，崔一鸣同学考虑混驾场景CAV间协同和与HV的交互，以车车协同视角安全高效地解决驾驶冲突问题。

研究内容

在研究方法部分，崔一鸣同学重点讲解了在混合驾驶强冲突场景中的典型案例——无信号交叉口。模型采用双层博弈策略，其中CAVs之间通过合作博弈实现协同，而CAV与HV之间则运用了Stackelberg博弈进行交互。详细介绍了最优决策动作的求解过程以及孪生博弈的参数更新机制。为了应对HV的动态不确定性，模型还构建了一个能够实时更新的孪生参数更新机制，以确保更精确的决策。

研究内容

在仿真实验平台方面，为了验证算法有效性，添加了背景交通流模型（纵向-IDM模型，横向-MOBIL模型）模型无信号交叉口场景。考虑了多种不同的决策方法进行对比，包括基于博弈论（Proposed-Twin和Proposed-NonTwin）、基于规则（FIFO、Virtual-IDM）以及基于强化学习的PPO模型，用于测试和验证不同策略在无信号交叉口的表现。

通过对多个博弈参与对象的考虑平衡CAVs和HVs的通行情况，使两者达到了相对一致的整体通行速度。CAVs安全水平有显著上升。InTwin方法充分考虑受控车辆HVs的交互行为更好提升了CAVs的安全水平。

研究内容

在实验平台建设版块，展示了实验平台的建设情况，从信息的获取、决策计算、控制执行，到数据存储和回放，涵盖了自动驾驶实验平台的完整流程。同时，平台通过并行计算提升了实验效率，并支持实验结果的回放与复盘，确保实验过程中的各个环节都能被有效验证和分析。

研究内容

最后介绍了下一步的研究计划。

研究内容

随后，刘学凯同学带来《基于观点动力学的环岛多车协商决策》研究汇报。汇报内容涵盖研究背景、基于共识的冲突区协同、基于强化学习的换道决策、仿真结果分析、后续计划五个部分。

汇报时刻

在研究背景方面，目前AV和CAV的商用化正在进行，但其在实际交通系统中面临一些问题，比如交互死锁、集体窒机等情况。无信号环岛场景通常被认为是典型的复杂驾驶场景，环岛中的冲突点和合并点特别多，自动驾驶系统需要持续跟踪和预测其他车辆的行为，难度较大。当前的NOA（Navigate on Autopilot，自动导航驾驶）功能在环岛场景中往往无法完全应对，需要驾驶员介入接管。

研究内容

重点介绍了协商共识的概念，主要从观点生成、观点量化、观点共识、观点执行等方面确定如何通过生成有限的通行方案，并使用优先搜索和剪枝来减少需要评估的方案数量，从而实现多个自动驾驶车辆在冲突点的有效协同通过。

研究内容

研究内容

在基于强化学习的换道决策部分，系统通过输入自车及周边车辆的信息，使用强化学习模型进行路径选择和换道决策。其目的是通过奖励函数（速度奖励和换道惩罚）来优化车辆的行驶路径，确保车辆在合适的时机进行换道操作，提升整体驾驶效率。

研究内容

在仿真结果分析部分，场景设置：使用了TESS NG进行二次开发，背景车辆是由软件生成的，模拟了多个车辆在不同车道上行驶的复杂交通场景。场景中设置了一个汇入道路，初始有4到8辆车，车辆的位置、速度都是随机生成的。仿真测试自动驾驶车辆（CAV）的渗透率（占比）从50%到100%，并测试其算法控制效果。仿真持续时间为30秒，记录车辆在路段汇入区的信息，分析不同情况下的表现。

最后介绍了下一步的研究计划。

研究内容

在讨论环节，课题组各位老师提出了宝贵的建议。孙剑老师对汇报给予了高度评价，两位同学的研究具有很强的落地性，结合了域控制技术和TESS NG平台。他还建议未来的研究应尽量减少对特定场景的依赖，并进一步建立丰富的场景库和测试数据库。倪颖老师则关注模型中HV背景车与真实交通轨迹的相似性，并对此提出了问题。孙杰老师建议研究的逻辑链条可以进一步理清，使研究框架更加严密。岳李老师则对两种方法的适用性及其实际效果提出了问题。梁浩阳老师和吕志超老师深入探讨了模型技术的具体细节，并提出了针对性的改进建议。