MétaCan
Menu
Retour à la cohorte
Enregistrement W4390691112 · doi:10.1109/tcst.2023.3348072

Stability and Intervehicle Distance Analysis of Vehicular Platoons: Highlighting the Impact of Bidirectional Communication Topologies

2024· article· en· W4390691112 sur OpenAlexaff
Amir Zakerimanesh, Tony Z. Qiu, Mahdi Tavakoli

Notice bibliographique

RevueIEEE Transactions on Control Systems Technology · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPlatoonSynchronizingCooperative Adaptive Cruise ControlAccelerationTransient (computer programming)Computer scienceNetwork topologyStability (learning theory)Synchronization (alternating current)Vehicle dynamicsControl theory (sociology)Focus (optics)Topology (electrical circuits)EngineeringAutomotive engineeringComputer networkControl (management)Channel (broadcasting)PhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Vehicular platooning, a configuration comprising a leading vehicle and multiple follower vehicles (FVs) seeks to achieve and maintain specific intervehicle distances (IDs) while synchronizing FVs with the velocity and acceleration of the leading vehicle. Before attaining a desired stable state, the IDs may undergo transient fluctuations. While the attainment of internal stability is pivotal for realizing the intended spacing between vehicles, it does not inherently guarantee that these transient fluctuations remain within safe thresholds, thereby mitigating the risk of collisions. Communication between vehicles has a critical role in vehicular platooning and significantly influences these transient distance fluctuations. Consequently, we present a mapping between the initial conditions and these transient fluctuations which hinges on the communication topology (CT), as well as the control parameters. Specifically, our focus is directed toward bidirectional CTs (BDCTs), wherein FVs possess the capability to communicate both with preceding and subsequent vehicles within the platoon. Investigation of these mappings illuminates the advantages and disadvantages of various BDCTs. Notably, we discern that within BDCTs, the receipt of information from a greater number of vehicles situated behind may at times hinder the overall performance of the platoon, resulting in larger deviations from the desired IDs or the velocity and acceleration of the leading vehicle. In contrast, information derived from vehicles located ahead, particularly the leading vehicle itself, serves to enhance IDs and therefore contributes significantly to the safety of the platoon. In conclusion, our theoretical insights are substantiated through a series of simulations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,233
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Control Systems TechnologyMême sujetTraffic control and managementTravaux en français237 207