混合交通流网络中的最小成本路径控制

         在自动驾驶和手动驾驶混合的网络上，我们通过控制一部分自动驾驶车辆的路径选择，就有可能达到系统总成本最小的状态。本研究通过求解线性规划，可以得到为了达到系统最小成本所需控制的最小车辆比例。进一步地，通过将对自动驾驶车辆的控制和对手动驾驶车辆的收费相结合，我们可以极大幅度地降低所需控制的车辆比例，甚至可以做到在完全不收取任何费用的前提下大幅降低控制率。本研究揭示了经济型与技术型交通控制手段相结合所所产生的巨大社会效益。该研究由THU-LEAD实验室与密歇根大学殷亚峰教授实验室合作完成。