1. Decentralised congestion control mechanisms for autonomous vehicles using distributed constraints optimisation
- Author
-
Vu, Huan, Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2), Université de Lyon, Samir Aknine, and STAR, ABES
- Subjects
Optimisation sous contraintes ,Traffic regulation ,[INFO.INFO-ET] Computer Science [cs]/Emerging Technologies [cs.ET] ,Multi-agent systems ,Autonomous vehicles ,Véhicules autonomes ,[INFO.INFO-ET]Computer Science [cs]/Emerging Technologies [cs.ET] ,Système multi-agents ,Distributed constraint optimisation ,Régulation de trafic - Abstract
Autonomous vehicles are predicted to number several millions by 2025. Crucially, these vehicles will be able to communicate and coordinate with vehicles in range, opening up opportunities to mitigate congestion and the risk of accidents. This ability to communicate and coordinate underpins the notion of Connected Autonomous Vehicles (CAVs). This thesis presents a decentralised mechanism for traffic control of CAVs in settings where road intersections have to be managed and optimised. Against this background, we propose a solution based on the distributed constraint optimisation approach (DCOP). We first model the intersection and formulate the regulation problem as a DCOP. Following this, we evaluate the performance of different DCOP algorithms. Thereafter, we opt for an algorithm and adapt it to the traffic regulation problem, in order to improve performance and enhance security. In a multi-intersection setup, we propose an individual priority mechanism allowing road intersections to distribute vehicles while avoiding computational expensive global optimisation, On prévoit que le nombre de véhicules autonomes atteindra plusieurs millions d'ici 2025. Ces véhicules pourront communiquer et se coordonner avec les véhicules à leur portée, ce qui permettra de réduire les encombrements et les risques d'accidents. Cette capacité de communication et de coordination sous-tend la notion de véhicules autonomes connectés (CAVs). Cette thèse présente un mécanisme décentralisé de régulation de traffic pour les CAVs dans des environnements où les intersections doivent être gérées et optimisées. Nous proposons une solution basée sur l'approche d'optimisation sous contraintes distribuée (DCOP). Nous modélisons d'abord l'intersection et formulons le problème de régulation comme un DCOP. Ensuite, nous évaluons les performances de différents algorithmes DCOP. Ensuite, nous optons pour un algorithme et l’adaptons au problème de la régulation du trafic afin d’améliorer les performances et la sécurité. Dans une configuration multi-intersections, nous proposons un mécanisme de priorité individuel permettant aux intersections de répartir les véhicules tout en évitant une optimisation globale coûteuse en calcul
- Published
- 2020