A Robust Longitudinal Control Strategy of Platoons under Model Uncertainties and Time Delays
Notice bibliographique
Résumé
Automated vehicles are designed to free drivers from driving tasks and are expected to improve traffic safety and efficiency when connected via vehicle-to-vehicle communication, that is, connected automated vehicles (CAVs). The time delays and model uncertainties in vehicle control systems pose challenges for automated driving in real world. Ignoring them may render the performance of cooperative driving systems unsatisfactory or even unstable. This paper aims to design a robust and flexible platooning control strategy for CAVs. A centralized control method is presented, where the leader of a CAV platoon collects information from followers, computes the desired accelerations of all controlled vehicles, and broadcasts the desired accelerations to followers. The robust platooning is formulated as a Min-Max Model Predictive Control (MM-MPC) problem, where optimal accelerations are generated to minimize the cost function under the worst case, where the worst case is taken over the possible models. The proposed method is flexible in such a way that it can be applied to both homogeneous platoon and heterogeneous platoon with mixed human-driven and automated controlled vehicles. A third-order linear vehicle model with fixed feedback delay and stochastic actuator lag is used to predict the platoon behavior. Actuator lag is assumed to vary randomly with unknown distributions but a known upper bound. The controller regulates platoon accelerations over a time horizon to minimize a cost function representing driving safety, efficiency, and ride comfort, subject to speed limits, plausible acceleration range, and minimal net spacing. The designed strategy is tested by simulating homogeneous and heterogeneous platoons in a number of typical and extreme scenarios to assess the system stability and performance. The test results demonstrate that the designed control strategy for CAV can ensure the robustness of stability and performance against model uncertainties and feedback delay and outperforms the deterministic MPC based platooning control.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».