MétaCan
Menu
Retour à la cohorte
Enregistrement W4408280754 · doi:10.1109/tits.2025.3541393

Distributed Cooperative Control and Robust Optimization for Nonlinear Connected Automated Vehicles With Unknown Reaction Time Delays and Jerk Dynamics

2025· article· en· W4408280754 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Intelligent Transportation Systems · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésJerkControl theory (sociology)Nonlinear systemVehicle dynamicsComputer scienceDynamics (music)Control (management)Control engineeringEngineeringArtificial intelligencePhysicsAccelerationAerospace engineering

Résumé

récupéré en direct d'OpenAlex

In complex traffic environments, the driving performance of the leader vehicle in a platoon can be greatly impacted by sudden and unexpected changes in vehicle acceleration rates. This phenomenon is known as unknown jerk dynamics (JDs), and it can lead to more extreme car-following behaviors (CFBs) in platoon tracking control, which may raise safety and traffic capacity issues. To tackle these concerns, this work studies cooperative platoon tracking control and intermittent optimization problems for connected autonomous vehicles (CAVs) with unknown reaction time delays (RTDs) using a nonlinear car following model (NCFM). In a free-design but directed communication network, we assume that the leader CAV’s external inputs have unknown but bounded parameters both for the JDs and RTDs, while only a small number of nearby follower CAVs are aware of the leader CAV’s acceleration signals. To solve these issues, we consider that each follower CAV implements a distributed observer law, which provides a reference signal stated as an estimated JD of the leader CAV. Then, a distributed platoon tracking control protocol is proposed to construct cooperative tracking controllers with identical inter-vehicle constraints (ICs). This maintains the desired safety distance between the CAVs and allows each follower CAV to track its leader CAV only through local information exchange. In addition, we present a robust intermittent optimization design and a novel intermittent sampling condition that can guarantee optimally scheduled feedback gains for the cooperative platoon tracking controllers to minimize the control cost in the presence of unknown JDs and RTDs under non-identical ICs. Simulation case studies are conducted to demonstrate the effectiveness of the proposed approaches. We also demonstrate the efficient development of such a distributed cooperative car-following model for the platoon’s motion (or as an intelligent speed advising system for automated or human-driven vehicles), resulting in a trip that is safe, comfortable, and energy efficient.

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.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,975
Score d'incertitude au seuil1,000

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 Opus0,006
Tête enseignante GPT0,207
Écart entre enseignants0,202 · 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