A Continuification Approach to CAV Control in Mixed Traffic via Variable Speed Limits

Sintesi Tecnica: Un Approccio di Continuificazione al Controllo dei CAV nel Traffico Misto tramite Limiti di Velocità Variabili

Problematica
Ridurre la congestione del traffico e regolare la densità del sistema verso un profilo desiderato è un obiettivo primario delle moderne strategie di controllo del traffico. Sebbene il controllo tramite Limiti di Velocità Variabili (VSL) e il controllo dei flussi in ingresso (ramp metering) siano metodi consolidati, l'uso di Veicoli Connessi e Automatizzati (CAV) come attuatori di controllo ha guadagnato rilievo. Gli approcci attuali per il controllo dei CAV nel traffico misto tipicamente modellano la loro influenza come "colli di bottiglia mobili" utilizzando un framework accoppiato PDE-ODE (Equazione Differenziale alle Derivate Parziali - Equazione Differenziale Ordinaria). In questo framework, la PDE descrive il flusso macroscopico del traffico (densità e flusso), mentre l'ODE modella la dinamica specifica del CAV in movimento.

Le attuali strategie di controllo per questi modelli accoppiati sono generalmente progettate direttamente sul vincolo ODE (ad esempio, utilizzando controllori Proporzionale-Integrale o Model Predictive Control). Una limitazione significativa di questo approccio è la scalabilità computazionale: all'aumentare del numero di CAV, la dimensionalità del problema di controllo cresce, portando a tempi di calcolo che possono ostacolare l'implementazione in tempo reale. Al contrario, progettare il controllo direttamente sulla PDE macroscopica è computazionalmente efficiente, ma spesso assume che ogni agente nel sistema sia controllabile, il che non è valido per una penetrazione di CAV sparsa. Questo articolo affronta il divario tra questi due estremi, cercando un metodo per controllare un numero esiguo di CAV utilizzando un design basato su PDE che rimanga computazionalmente efficiente.

Metodologia
La metodologia proposta utilizza un approccio di "continuificazione" per colmare il divario tra il controllo macroscopico PDE e l'attuazione microscopica dei CAV. Il processo prevede tre fasi principali:

1. Progettazione del Controllo PDE Macroscopico: Gli autori partono dal modello Lighthill-Whitham-Richards (LWR), una PDE scalare iperbolica del primo ordine che descrive la densità del traffico. Utilizzano un regolatore Lineare Quadratico (LQR) a dimensione infinita precedentemente derivato per il controllo VSL. Questo controllore determina il profilo ottimale del limite di velocità lungo l'intera lunghezza dell'autostrada per guidare la densità del traffico verso un setpoint desiderato. L'input di controllo viene derivato analiticamente risolvendo un'equazione di Riccati algebrica nello spazio di Hilbert del sistema.
2. Continuificazione e Discretizzazione: Invece di progettare un controllore per ogni singolo CAV, il segnale di controllo VSL ottimale a dimensione infinita viene discretizzato nelle posizioni specifiche dei CAV disponibili. L'azione di controllo $u_i(t)$ per un particolare CAV $i$ alla posizione $z_i$ riceve il valore del profilo VSL ottimale in quella posizione.
3. Attuazione tramite Dinamiche di Collo di Bottiglia Mobile: La velocità assegnata funge da velocità desiderata per il CAV. Tuttavia, la velocità effettiva è vincolata dal flusso del traffico circostante. Se la velocità comandata supera la velocità del traffico circostante (o se la densità è troppo elevata), il CAV agisce come un collo di bottiglia mobile, adattando la propria velocità alle condizioni del traffico locale secondo il modello accoppiato PDE-ODE.

Questo approccio è confrontato con una strategia baseline di Model Predictive Control (MPC) basata su ODE, che risolve un problema di ottimizzazione vincolato ad ogni passo temporale per minimizzare l'Errore Quadratico Medio (RMSE) della densità del traffico, tenendo esplicitamente conto della dinamica di ogni singolo CAV.

Contributi Chiave

• Architettura di Controllo Innovativa: Il documento introduce un controllore a collo di bottiglia mobile basato su PDE che evita l'onere computazionale del controllo multi-agente basato su ODE. Progettando il controllore prima sul livello della PDE a dimensione infinita e poi mappandolo sugli agenti, il metodo decoppia la complessità del controllo dal numero di CAV.
• Efficienza Computazionale: Il metodo proposto dimostra che l'input di controllo per qualsiasi numero di CAV può essere calcolato tramite una singola soluzione analitica del problema di controllo PDE, seguita da una semplice valutazione puntuale. Ciò contrasta con l'MPC basato su ODE, dove la dimensione del problema di ottimizzazione scala con il numero di veicoli.
• Convergenza all'Ottimo Globale: Lo studio investiga il comportamento del sistema all'aumentare del numero di CAV, mostrando come l'approccio basato su PDE converga verso la soluzione ottimale globale determinata dall'LQR a dimensione infinita.

Risultati della Simulazione
L'efficacia del metodo proposto è stata valutata utilizzando una simulazione numerica di una strada circolare con parametri normalizzati. Lo studio ha confrontato il controllore di continuificazione basato su PDE con un baseline MPC basato su ODE attraverso scenari con 1, 2 e 5 CAV.

• Prestazioni: Entrambi i controllori hanno portato con successo la densità del traffico verso il profilo desiderato. Tuttavia, il controllore basato su PDE ha attenuato le onde di alta densità più velocemente dell'MPC basato su ODE. Nello scenario con 5 CAV, l'approccio basato su PDE ha regolato la densità significativamente più rapidamente, avvicinandosi alle prestazioni della soluzione ottimale globale ideale del VSL a dimensione infinita.
• Tempo di Calcolo: L'approccio basato su PDE è stato sostanzialmente più efficiente. Nel caso con 5 CAV, è stato circa 600 volte più veloce dell'MPC basato su ODE. Mentre l'MPC basato su ODE richiedeva tempi di calcolo superiori ai limiti del tempo reale (Real Time Factor > 1) per 2 e 5 CAV, l'approccio basato su PDE è rimasto ampiamente entro le capacità del tempo reale (Real Time Factor < 0.005) per tutti i casi.
• Condizioni Iniziali: I risultati hanno evidenziato come il posizionamento iniziale dei CAV influenzi il profilo dell'errore transitorio, particolarmente negli scenari con singolo CAV, sebbene tutte le configurazioni abbiano infine converguto verso la densità desiderata.

Significatività e Rivendicazioni
Il documento afferma che l'approccio di continuificazione proposto offre un equilibrio superiore tra prestazioni di controllo e fattibilità computazionale per gli scenari di traffico misto. Spostando la progettazione del controllo al livello della PDE macroscopica, il metodo raggiunge prestazioni vicine all'ottimo globale mantenendo un basso carico computazionale indipendentemente dal numero di CAV controllati. Gli autori sostengono che ciò rende l'approccio particolarmente adatto per reti di traffico su larga scala e scenari con tassi crescenti di penetrazione dei CAV, dove i metodi basati su ODE diventano computazionalmente proibitivi. Il lavoro conclude che il controllore basato su PDE non solo è più efficiente nel raggiungere il profilo di densità desiderato, ma è anche scalabile, avvicinandosi alla soluzione ottimale globale a dimensione infinita all'aumentare della densità degli agenti controllati. Il lavoro futuro è identificato nell'applicazione di queste azioni di controllo a simulatori microscopici più realistici e nell'analisi dell'impatto del posizionamento dei CAV sulla controllabilità in reti stradali non circolari.