MétaCan
Menu
Retour à la cohorte
Enregistrement W4220961015 · doi:10.1155/2022/2657269

A Feedback Control Method with Connected Vehicles in a Lattice Hydrodynamic Model at Highway On-Ramps

2022· article· en· W4220961015 sur OpenAlexvenueno aff
Yi‐Cai Zhang, Min Zhao, Dihua Sun, Hang Zhao, Zhongcheng Liu, Dong Chen

Notice bibliographique

RevueJournal of Advanced Transportation · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensnon disponible
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésControl theory (sociology)Traffic flow (computer networking)InstabilityController (irrigation)Lyapunov stabilityLyapunov functionConvergence (economics)String (physics)Stability (learning theory)Computer scienceEngineeringControl (management)MathematicsNonlinear systemPhysicsMechanics

Résumé

récupéré en direct d'OpenAlex

This paper presents a traffic flow control scheme of connected vehicles to stabilize a traffic system with on-ramps from a macromodel point of view. Firstly, this paper establishes a lattice hydrodynamic model with on-ramps, and an output feedback controller is designed based on the characteristics of connected vehicles. Then, by using the Lyapunov–Krasovskill functional analysis method, this paper studies the delay-dependent convergence conditions of the control method. String stability is defined as the nonamplification of the downstream disturbance of a traffic flow when it propagates upstream. The influence of the on-ramps is regarded as a stochastic disturbance in this paper. Through a theoretical analysis, the control conditions that can ensure the string stability of the traffic system under the influence of on-ramp are obtained. Finally, numerical experiments are carried out to compare the traffic states of the traffic system with and without control. The results show that the proposed control can effectively suppress the instability of the traffic system.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,081
Score d'incertitude au seuil0,469

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,208
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetTraffic control and managementTravaux en français237 207