The increasing demand for transportation has led to critical challenges, including congestion, energy consumption, and safety concerns. Connected and automated vehicles (CAVs) offer a promising solution by enabling cooperative driving technologies such as vehicle platooning and intersection coordination. However, achieving these benefits requires addressing key technical challenges, particularly ensuring safe and efficient vehicle coordination in complex traffic environments.

This thesis focuses on two fundamental problems in cooperative driving: platoon formation and intersection coordination. The primary objective is to develop safety-preserving control and coordination strategies that enable efficient and secure platoon and intersection operations.

We first examine a case of intersection coordination involving highway ramp merging with CAV platoons, where closely spaced vehicles create dynamic bottlenecks for merging traffic. To address this, we propose a bi-level coordination framework in which a central coordinator optimizes merging schedules using a mixed-integer linear programming (MILP) approach. The computed schedule is then executed by individual vehicles at the control level, allowing platoons to split occasionally for the merging vehicles, balancing traffic throughput with platoon maintenance.

The platoon formation problem requires low-level control to manage the physical processes of multi-vehicle formation, including adjustments to vehicle steering, speed, and inter-vehicle spacing. We develop a safe and efficient control strategy that ensures a smooth transition from individual vehicle operation to cohesive platooning on multi-lane highways. By employing constructive barrier feedback, with an added dissipative divergent flow component to the nominal formation control for collision avoidance, our method guarantees collision avoidance with both neighboring vehicles and road boundaries, ensuring computational efficiency and practical deployability. Experimental validation confirms its effectiveness.

For intersection coordination in mixed traffic environments, where CAVs coexist with human-driven vehicles (HDVs), we introduce an invariant safe model predictive control (MPC) framework. This method ensures collision-free interactions by incorporating forward reachable sets and maximal invariant safe sets into the constraint formulation. To enhance real-world applicability, we integrate robust estimation techniques to account for measurement errors and communication uncertainties, enabling safe and efficient intersection navigation in an experimental setting.

Overall, this thesis presents novel control and coordination strategies that enhance the safety and efficiency of vehicle platooning and intersection management. These contributions pave the way for more reliable CAV deployment, with potential benefits for vehicle safety, energy efficiency, and overall traffic flow.

Den ökande efterfrågan på transporter har lett till stora utmaningar, såsom trängsel, hög energiförbrukning och säkerhetsproblem. Uppkopplade och automatiserade fordon erbjuder en lovande lösning genom att möjliggöra samarbetsbaserade teknologier, till exempel konvojkörning och korsningskoordinering. För att uppnå dessa fördelar krävs dock att nyckelteknologiska utmaningar hanteras, särskilt när det gäller att säkerställa en säker och effektiv koordinering av fordon i komplexa trafikmiljöer.

Denna avhandling fokuserar på två grundläggande problem inom samarbetsdriven körning: konvojbildning och korsningskoordinering. Huvudmålet är att utveckla säkerhetsbevarande styrnings- och koordineringsstrategier som möjliggör effektiva och säkra operationer för både konvojkörning och korsningar.

Vi undersöker först ett fall av korsningskoordinering vid påfarter till motorvägar där konvojkörning förekommer. Fordon i konvoj med minimala avstånd till varandra skapar dynamiska barriärer för trafiken från påfarten. För att åtgärda detta föreslår vi ett koordineringsramverk med två nivåer, där en central koordinator optimerar ankomstscheman med hjälp av blandad heltalslinjär programmering. Det resulterande schemat implementeras sedan av de enskilda fordonen, vilket möjliggör att konvojer kan delas upp vid vissa tillfällen för att underlätta inpasseringen av inkommande fordon – vilket balanserar trafikflödet och konvojkörningen.

Konvojbildning med automatiserade fordon kräver noggrann styrning för att hantera de fysiska processerna vid flerfordonsbildning, vilket bland annat innebär justeringar av fordonens styrning, hastighet och avstånd. Vi utvecklar en säker och effektiv styrningsstrategi som säkerställer en smidig övergång från individuell fordonsdrift till sammanhållen konvojkörning på motorvägar med flera körfält. Genom att använda konstruktiv barriäråterkoppling, där en dissipativ divergent flödeskomponent läggs till den nominella formationsregulatorn för att undvika kollisioner, garanterar vi både säkerheten gentemot andra fordon och mot väggränser – vilket gör metoden både beräkningseffektiv och praktiskt tillämpbar. Experimentell validering bekräftar metodens effektivitet.

För korsningskoordinering i blandad trafik, där automatiserade fordon och mänskliga förare finns, introducerar vi en säkerhetsbevarande modellprediktiv reglering. Denna metod säkerställer kollisionfria interaktioner genom att använda åtkomliga mängder och maximala oföränderliga säkra mängder under bivillkoren i optimeringsproblemet. För att förbättra den praktiska tillämpningen integreras robusta estimeringsmetoder för att hantera mätfel och kommunikationsosäkerheter, vilket möjliggör säker och effektiv navigering i korsningar i experimentella inställningar.

Sammanfattningsvis presenterar denna avhandling nya reglerings- och koordineringsstrategier som förbättrar säkerheten och effektiviteten i konvojbildning och korsningshantering. Dessa bidrag banar vägen för en mer tillförlitlig användning av automatiserade fordon, med potentiella fördelar för fordonssäkerhet, energieffektivitet och övergripande trafikflöde.