A coalitional model predictive approach for collaborative Vehicle Platoons

Autonomous vehicles have recently emerged as a promising technology for modern trans portation systems. Particularly, in the context of longitudinal control, Collaborative Vehicle Platoons (CVP) represent an innovative solution that reduces fuel and energy consumption, optimizes road capacity, and enhances traffic safety through coordinated formations. However, the practical implementation of these systems faces substantial challenges, including the increasing computational complexity associated with controlling large-scale platoons, as well as the inherent limitations of wireless vehicle-to-vehicle com munications, which are affected by delays, packet losses, and dynamic environmental dis turbances. These challenges are particularly problematic for conventional control schemes, which lack of coordination adaptability and compromise system robustness under varying operational conditions. To address these limitations, this thesis proposes a coalitional Model Predictive Control (MPC) strategy for collaborative vehicles. It allows vehicles to dynamically cooperate by forming subgroups, referred to as coalitions. Each coalition solves an optimal control problem to compute control actions of all vehicles within the group in a coordinated manner. The proposed coalitional MPC approach enables real-time adaptation to the platoon’s operational conditions while reducing unnecessary commu nication cost. The strategy not only ensures accurate tracking of inter-vehicle reference distances, but also guarantees string stability of the platoon. The effectiveness of the pro posed control strategy is evaluated against traditional control schemes: centralized MPC, decentralized MPC, and distributed MPC. Simulation results of our proposed coalitional method revealed balance between control performance and communication cost, without increasing computation times. Therefore, it offers a viable and scalable control solution for real-world implementation of autonomous vehicle platoons.

I veicoli autonomi sono recentemente emersi come una tecnologia promettente per i sistemi di trasporto moderni. In particolare, nel contesto del controllo longitudinale, i Collabora tive Vehicle Platoons (CVP) rappresentano una soluzione innovativa che riduce il consumo di carburante ed energia, ottimizza la capacità stradale e migliora la sicurezza del traffico attraverso formazioni coordinate. Tuttavia, l’implementazione pratica di questi sistemi affronta sfide significative, tra cui la crescente complessità computazionale associata al controllo di convogli di grandi dimensioni, nonché le limitazioni intrinseche delle comuni cazioni vehicle-to-vehicle wireless, soggette a ritardi, perdite di pacchetti e disturbi ambi entali dinamici. Queste problematiche risultano particolarmente critiche per gli schemi di controllo convenzionali, che mancano di adattabilità nella coordinazione e compromettono la robustezza del sistema in condizioni operative variabili. Per affrontare tali limitazioni, questa tesi propone una strategia di coalitional Model Predictive Control (MPC) per veicoli collaborativi. Essa consente ai veicoli di cooperare dinamicamente formando sot togruppi, detti coalizioni. Ogni coalizione risolve un problema di controllo ottimale al f ine di calcolare in modo coordinato le azioni di controllo di tutti i veicoli appartenenti al gruppo. L’approccio coalizionale di MPC proposto permette un’adattamento in tempo reale alle condizioni operative del convoglio, riducendo al contempo i costi di comuni cazione non necessari. La strategia non solo garantisce un accurato tracciamento delle distanze di riferimento tra i veicoli, ma assicura anche la string stability del convoglio. L’efficacia della strategia di controllo proposta è valutata in confronto con schemi di controllo tradizionali: MPC centralizzato, decentralizzato e distribuito. I risultati di sim ulazione del metodo coalizionale proposto hanno mostrato un equilibrio tra prestazioni di controllo e costi di comunicazione, senza incrementare i tempi di calcolo. Pertanto, esso rappresenta una soluzione di controllo valida e scalabile per l’implementazione reale di convogli di veicoli autonomi.