Connected and automated vehicles (CAVs) are a transformative technology that promises to bring innovative solutions to transportation systems. One of their significant advantages is the elimination of human factors, which makes them capable of resolving the congestion problem prevalent in areas such as ramp merging points and road intersections. Through the sharing of information between vehicles and with the infrastructure, CAVs can coordinate their cross-time cooperatively. This collaborative approach results in avoiding unnecessary stops, which leads to more efficient utilization of the road infrastructure and improved safety for all road participants.

In this licentiate thesis work, we study the problem of formulating coordination strategies for CAVs to efficiently traverse through conflicting regions while maintaining safety with other road participants such as other CAVs or platoons of CAVs or human-driven vehicles (HDVs). We emphasize the challenges when platoons or HDVs are involved and develop coordination solutions on various scales accordingly.   

We start by considering a highway ramp merging scenario that involves platoons of CAVs. In such scenarios, vehicles in a platoon drive in close proximity and create moving barriers for merging traffic. To address this challenge, we propose a bi-level coordination framework. A central coordinator schedules the merging time and speed for all CAVs by solving a mixed integer linear programming (MILP) problem, optimizing traffic performance while maintaining platoon formation. This assigned schedule is executed by each individual vehicle at the control level. When integrated, this framework allows platoons to split occasionally for the merging vehicles, balancing traffic throughput with platoon formation.

In intersections where mixed traffic is present, CAVs need to anticipate the driving behavior of HDVs accurately to plan a safe future trajectory. Due to the unpredictable nature of human behavior, we propose an invariant safe model predictive control (MPC) that considers worst-case scenarios using forward reachable sets to guarantee safety at all times. In addition, to compensate for conservatism, we apply a contingency MPC (CMPC) framework with parallel horizons. One horizon is for safety guarantees in contingency, while the other is for optimizing performance. The methods are applied to general intersection problems through distributed implementation and produce safe and efficient coordination results.

Lastly, we examine the challenges that arise in the real-life implementation of the proposed coordination strategies. To account for potential occlusions, estimation errors, and communication defects, we propose a communication-based and integrated framework from estimation to control. Through set estimation and reachability analysis, we generate robust set estimations of surrounding vehicles and integrate this information with the coordination stack to ensure safe navigation through intersections in an experimental setting.

Det uppkopplade och automatiserade fordonet är en transformerande teknik som förväntas ge nya lösningar för transportsystemet. Genom att ta bort den mänskliga faktorn har utplaceringen av uppkopplade och automatiserade fordon potential att lösa trängselproblemen vid påfarter till motorvägar eller vägkorsningar. Genom att dela information mellan fordon och infrastruktur kan automatiserade fordon samarbeta och schemalägga övergångstider. Genom att undvika onödiga stopp kan väginfrastrukturen utnyttjas mer effektivt och samtidigt erbjuda ökad säkerhet för trafikdeltagarna.

I detta licentiatavhandlingsarbete studerar vi problemet med att formulera samordningsstrategier för automatiserade fordon för att effektivt korsa genom konfliktområden i trafiken samtidigt som säkerheten bibehålls för andra vägdeltagare, såsom andra automatiserade fordon, konvojkörning av automatiserade fordon eller mänskligt drivna fordon. Vi betonar utmaningarna som uppstår när konvojkörning eller mänskliga förare är inblandade och utvecklar samordningslösningar i olika skalor därefter.

Vi börjar med att behandla ett scenario för påfarter till motorvägar när konvojkörning förekommer. Fordon i ett tåg bildar en konvojkörning genom att köra i nära avstånd till varandra. Som ett resultat av detta beter sig konvojkörningen som rörliga barriärer för trafiken från påfarten. För att lösa problemet föreslår vi ett ramverk med två nivåer. En central koordinator schemalägger en korsningstid och hastighet för alla automatiserade fordon genom att lösa en blandad heltals linjär programmering som optimerar trafikprestanda och upprätthåller konvojbildningen. Det tilldelade schemat körs individuellt på fordonens nivå. När den är integrerad, tillåter ramverket att konvojkörningen bryts vid enstaka tillfällen för fordon från påfarten att köra in. Resultatet blir en optimal balansering mellan trafikflödet och konvojbildningen.

Vid korsningar med blandad trafik måste automatiserade fordon korrekt förutse beteendet för det mänskliga föraren och planera en säker framtida bana genom korsningen. På grund av det oförutsägbara mänskliga beteendet föreslår vi en oföränderlig säker modellprediktiv reglering genom att överväga de värsta scenarierna med användning av framåtnåbar uppsättning. För att kompensera för konservatismen tillämpar vi ett ramverk för beredskapsmodellprediktiv reglering som använder parallella horisonter, en för säkerhetsgarantier i beredskap och den andra för att optimera prestanda. Genomen distribuerad implementering tillämpas metoderna för generella korsningsproblem och ger säkra och effektiva samordningsresultat.

Till slut tar vi upp de problem som uppstår vid implementering i verkligheten. För att ta hänsyn till potentiella ocklusioner, uppskattningsfel och kommunikationsdefekter föreslår vi ett kommunikationsbaserat och integrerat ramverk från uppskattning till kontroll. Genom att använda uppskattning och nåbarhetsanalys gör vi robusta uppskattningar av omgivande fordon och integrerar denna information med samordningsramverket för att navigera fordon säkert genom korsningar i en experimentell miljö.