A Two‐Stage Cooperative Adaptive Cruise Control for Connected Automated Vehicles in Multislope Roads considering Communication Delay and Actuator Delay
Notice bibliographique
Résumé
Connected and automated vehicle platoons (CAVPs) are considered an effective way to alleviate traffic congestion, reduce the incidence of traffic accidents, and improve vehicle economy in the intelligent transportation system (ITS). Vehicles in the CAVPs can communicate with each other through V2X technology, which could optimize the economy of the platoon. Cooperative adaptive cruise control (CACC) can make effective use of the characteristics of CAVPs and contribute to resource conservation, ecological driving, and traffic system development. In this paper, a two‐stage CACC method is proposed for CAVPs to reduce fuel consumption in the multislope road section. In the first stage, the optimal velocity profiles for the leader based on dynamic programming (DP) are planned according to the road information and the fuel consumption model. In the second stage, a vehicle longitudinal third‐order differential dynamics model is utilized to build the platoon time‐delay system considering communication delay and actuator delay. A feedback controller is developed for each vehicle considering the internal stability and the string stability of the CAVPs. Results show that the proposed method can save 5.33% of fuel consumption compared to the constant speed cooperative adaptive cruise control (CS‐CACC) method and has a better tracking performance compared to the model predictive control (MPC) method. The CACC method proposed in this paper can provide a theoretical basis and data support for building an ecological CACC strategy for CAVPs.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».