Optimization-Based Approaches for Traffic and Fleet Management of Connected and Autonomous Vehicles: A Systematic Literature Review
(Springer et al. — 2025
Résumé (FR)
Cette revue systématique de la littérature examine les approches d’optimisation pour la gestion des véhicules connectés et autonomes (CAV) dans des environnements de trafic mixte, les classant par type de problème. La revue couvre la gestion des CAV aux intersections sans signalisation (planification de trajectoires, résolution de conflits), l’optimisation du platooning sur autoroute, les services de mobilité autonome à la demande et l’inversion dynamique des voies. Elle met en évidence le potentiel transformateur de l’intelligence artificielle, notamment l’apprentissage par renforcement et l’apprentissage profond, dans l’optimisation de la gestion des flottes CAV et du trafic. Les besoins de recherche critiques identifiés incluent l’extension des méthodes à plusieurs intersections multi-voies et la prise en compte des changements de voie. Publiée dans l’International Journal of Intelligent Transportation Systems Research (Springer) en 2025.
Summary (EN)
This systematic literature review examines optimization-based approaches for managing Connected and Autonomous Vehicles (CAVs) in mixed-traffic environments, classifying them by problem type. The review covers CAV management at unsignalized intersections (trajectory planning, conflict resolution), platooning optimization, autonomous mobility-on-demand services, and dynamic lane reversal. The paper highlights the transformative potential of artificial intelligence, including reinforcement learning and deep learning, in optimizing CAV fleet and traffic management, and identifies critical research needs.
Points clés
| Aspect | Détail |
|---|