Cooperative Lane‐Changing Control for CAVs at Freeway On‐Ramps considering Vehicle Dynamics
Notice bibliographique
Résumé
This study proposes a cooperative lane‐changing control framework for multiple vehicles in freeway ramp merging areas, aiming to achieve safe and efficient merging. Specifically, multiple connected and automated vehicles (CAVs) form triplets to participate in cooperative lane‐changing. The framework consists of two stages: Longitudinal Headway Adjustment (LHA) and Lane‐Changing Execution (LCE). In the LHA stage, a centralized longitudinal controller is developed based on the vehicle’s longitudinal dynamics model to optimize the longitudinal velocity of the cooperative vehicles and create suitable gaps for merging vehicles. In the LCE stage, an optimal lane‐changing reference trajectory is generated using a quintic polynomial and a lateral controller is designed based on the vehicle’s lateral dynamics model. Model Predictive Control (MPC) is utilized for trajectory tracking. The simulation results obtained using MATLAB/Simulink, GPOPS, and CarSim demonstrate that the proposed control strategy can be applied to different vehicle speed control scenarios. Taking a specific velocity combination as an example, the cumulative control errors in the longitudinal and lateral directions for PV (Preceding Vehicle), SV (Subject Vehicle), and FV (Following Vehicle) are 1.4014 m, 0.5631 m, and −0.7601 m, respectively, satisfying the safety distance requirements. Compared to the Linear Quadratic Regulator (LQR) control, the proposed strategy improves control efficiency by 145.03%, 69.64%, 43.18%, and 67.61% in terms of comprehensive spacing errors, synthesized acceleration, front wheel angle, and speed fluctuation, respectively. These research findings highlight the superior performance of the proposed control strategy in terms of traffic efficiency, comfort, safety, and vehicle stability.
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 | 0,000 |
| 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 ».