Vehicle Platooning Impact on Drag Coefficients and Energy/Fuel Saving Implications
在本文中,从文献中的经验数据被用来开发一般的功率模型,捕获的车辆位置的影响,在一排同质车辆,和距离的差距,其领导(和以下)车辆的阻力系数。这些型号是为轻型汽车、公共汽车和重型卡车开发的。使用约束优化框架拟合模型,以使用直接阻力或燃料测量来拟合一般幂函数。然后,该模型被用来外推的经验测量到一个大范围内的车辆距离的差距排。使用这些模型,我们估计潜在的燃料减少与轻型车辆,公共汽车和重型卡车的同质排。结果表明,与基于恒定阻力系数的假设相比,车辆的燃油消耗量显着减少。具体地,考虑到以$100 \; km/hr$的速度运行的$0.5 \; secs$车辆之间的最小时间间隙(这是考虑到实际通信和机械系统延迟的典型状态),对于轻型车辆、公共汽车和重型卡车排,实现的最佳燃料减少分别是$4.5 \%$、$15.5 \%$和$7.0 \%$。对于较长的时间间隔,公共汽车和重型卡车排仍然产生$9.0 \%$和$4.5 \%$的燃料减少,而轻型车辆产生的燃料节省微不足道。
2020-03-02 cs.MA cs.SY eess.SY
Modelling and Analysis of Car Following Algorithms for Fuel Economy Improvement in Connected and Autonomous Vehicles (CAVs)
The Ohio State University(俄亥俄州立大学)
地面车辆的连接允许车辆彼此共享关键的车辆数据,例如车辆加速度。另一方面,使用诸如相机、雷达和激光雷达的传感器,可以检测领头车辆和主车辆之间的车内距离以及相对速度。协同自适应巡航控制(CACC)建立在地面车辆连接和传感器信息的基础上,形成具有自动车辆跟随的车队。CACC还可用于提高所述车队中车辆的燃油经济性和机动性。本文提出了三种CAV燃油经济性跟驰算法。设计了一种自适应巡航控制(ACC)算法作为比较基准模型。设计了一种协同式自适应巡航控制系统(CACC),该系统利用V2 V接收到的前车加速度进行跟车控制。开发了生态协同自适应巡航控制(Eco-CACC)模型,将不稳定的领先车辆加速度视为要衰减的干扰。设计了一种高水平控制器,用于当领头车辆是一个不稳定的驾驶员时进行决策。运行模型在环(MIL)和硬件在环(HIL)仿真来测试这些车辆跟随算法的燃油经济性性能。结果表明,HL控制器能够获得一个平稳的速度剖面,通过使用CACC和生态CACC比ACC对应的消耗更少的燃料时,领先的车辆不稳定。
2022-03-25 cs.RO cs.SY eess.SY
Learning-Based MPC for Fuel Efficient Control of Autonomous Vehicles with Discrete Gear Selection
针对自动驾驶车辆速度与离散挡位MPC协同优化计算量过大的问题,提出基于学习的MPC方案,通过训练策略预先固定预测时域内挡位以简化在线连续优化,在保持可比拟性能的同时显著降低计算负担。
2025-05-28 cs.SY eess.SY
Cost-minimization predictive energy management of a postal-delivery fuel cell electric vehicle with intelligent battery State-of-Charge Planner
燃料电池电动汽车以其高效率和零排放的特点在近几十年来得到了广泛的关注,但高昂的运营成本仍然是其大规模商业化的主要障碍。在此背景下,本文旨在设计一个能源管理策略的城市邮政投递燃料电池电动汽车的运营成本降低。首先,设计了一种数据驱动的双环空间域电池荷电状态参考估计器来指导电池能量消耗,该估计器通过在邮政递送任务中收集的真实驾驶数据进行训练。然后,一个模糊C-均值聚类增强马尔可夫速度预测器构建的项目即将到来的速度。最后,结合充电状态参考和预测的速度,模型预测控制为基础的成本优化的能源管理策略,以减少能源消耗和电源退化所带来的车辆运行成本。实验结果表明:1)与基准算法相比,所提算法的平均运行成本分别降低了4.43%和7.30%,表明了其在降低成本方面的优越性; 2)所提算法的平均每步计算量为0.123ms,小于采样时间间隔1 s,证明了其实时应用的潜力。
2023-03-03 cs.SY eess.SY
MOVESTAR: An Open-Source Vehicle Fuel and Emission Model based on USEPA MOVES
在本文中,我们介绍了一个开源的模型“MOVESTAR”来计算机动车的燃料消耗量和污染物排放量。该模型是基于美国环境保护署(EPA)的机动车排放模拟器(MOVES)开发的,该模拟器在广泛的用户定义条件下提供了对车辆排放的准确估计。最初,MOVES要求用户通过其软件指定许多参数,包括车辆类型、时间段、地理区域、污染物、车辆运行特性和道路类型。在本文中,MOVESTAR被开发为一个简化的版本,它只需要每秒的车速数据和车辆类型作为输入。为了使该模型易于集成,其源代码以各种语言提供,包括Python,MATLAB和C++。最后通过一个实例说明了该模型在先进汽车技术开发中的有效性。
2021-05-15 cs.SY eess.SP eess.SY
Model Predictive Guidance for Fuel-Optimal Landing of Reusable Launch Vehicles
本文提出一种基于序列凸规划的模型预测双重优化制导策略,通过规划燃料最优轨迹与实时跟踪指令,结合旋转动力学改进与气动力修改,在降低计算负荷的同时提升了推力矢量控制RLV的着陆制导性能。
2024-05-02 cs.SY eess.SY
Fuel Consumption in Platoons: A Literature Review
本文综述了Platooning对燃料消耗的影响,全面分析了影响燃料节省的关键组件、因素及估算方法,并探讨了实际条件下的不稳定性挑战与未来研究机遇。
2025-08-14 cs.SY eess.SY
Optimization of Vehicle Trajectories Considering Uncertainty in Actuated Traffic Signal Timings
本文介绍了一个鲁棒的最佳绿灯速度咨询系统的固定和驱动的交通信号时,提供了一个概率分布。这些分布表示来自信号定相和定时(SPaT)消息的可能切换时间的域。该系统使用计算效率高的A-star算法,结合动态规划程序,以最大限度地减少车辆的总油耗,找到成本最低的车辆轨迹。引入约束以确保车辆不会与其他车辆碰撞、闯红灯或超过乘客舒适的最大车辆颠簸。模拟方案的结果进行评估,对可比轨迹的不知情的司机计算燃料消耗节省。与不知情的驾驶员相比,所提出的方法产生了显着的燃油节省,平均为37%的确定性SPAT和28%的随机SPaT。进行敏感性分析,以了解SPaT预测的不确定性程度如何影响最佳轨迹的燃料消耗。结果提出了这些预测所需的置信水平,以实现大部分可能的燃料消耗节省。具体而言,如果定时误差(在3.3秒内)在95%的置信水平,则所提出的系统可以在最大节省的85%内。他们还强调了更可靠的SPaT预测的重要性,越接近绿灯的时间相对于车辆预计到达交叉口的时间(给定其当前速度)。
2022-08-25 cs.SY eess.SY
A Lifetime Extended Energy Management Strategy for Fuel Cell Hybrid Electric Vehicles via Self-Learning Fuzzy Reinforcement Learning
建模难度大、模型时变、外部输入不确定是燃料电池混合动力汽车能量管理面临的主要挑战。为降低燃料电池混合动力汽车的燃油消耗,维持电池的长期运行,延长燃料电池系统的使用寿命,提出了一种基于模糊强化学习的能量管理策略。模糊Q学习是一种无模型强化学习,它可以通过与环境的交互来自我学习,因此不需要对燃料电池系统进行建模。此外,燃料电池的频繁启动将减少燃料电池系统的剩余使用寿命。该方法通过在强化学习的奖励中考虑对燃料电池启动次数的惩罚来抑制燃料电池的频繁启动。此外,应用模糊逻辑来近似Q-学习中的价值函数,可以解决连续状态和动作空间问题。最后,基于Python的训练测试平台验证了该方法在初始状态变化、模型变化和驾驶条件变化情况下的有效性和自学习能力的提高。
2023-02-13 cs.AI cs.LG cs.SY
Nationally Scalable Hydrogen Fueling Infrastructure Deployment: A Megaregion Analysis and Optimization Approach
本研究针对长途货运脱碳挑战,提出OR-AGENT优化框架,利用遗传算法在德州三角等巨型区域规划氢燃料补给站的最优部署,确保8级卡车无滞留运行,为零排放货运基础设施提供蓝图。
2024-10-10 cs.SY eess.SY
The Effects of Varying Penetration Rates of L4-L5 Autonomous Vehicles on Fuel Efficiency and Mobility of Traffic Networks
本文基于 Vissim 复刻哥伦布真实道路,模拟不同渗透率的 L4-L5 自动驾驶车辆,并从油耗、延误、排队、停车和排放等指标评估其对交通网络的影响。
2023-06-01 cs.SY eess.SY
Model Predictive Online Trajectory Planning for Adaptive Battery Discharging in Fuel Cell Vehicle
本文针对插电式混合动力汽车中燃料电池与电池的动态协调问题,提出一种基于迭代LQR的分层在线轨迹规划方法,使高层SOC规划器能自适应指定各驾驶段放电量,并通过数值仿真验证其有效性。
2024-09-05 cs.SY eess.SY
A Simulation Framework with Guaranteed Error Bounds for Safety and Fuel-Efficiency Analysis of Vehicle Platoons
Shibaura Institute of Technology(芝浦工业大学)
提出基于仿真的方法研究车辆编队安全问题,通过分析跨控制参数的最小车间距,利用提升状态表示和微分不等式推导,给出选仿真时间的方法,还扩展到燃油效率分析并举例说明。
2026-11-17 cs.SY eess.SY math.OC
Data-Driven Personalized Energy Consumption Range Estimation for Plug-in Hybrid Electric Vehicles in Urban Traffic
本研究提出一种基于保形分位数回归的数据驱动方法,利用驾驶员在环模拟器及蒙特卡洛合成数据,为城市交通中插电式混合动力汽车提供个性化的等效燃油消耗预测区间,以量化能耗不确定性并优化驾驶与路线。
2024-07-22 cs.SY eess.SY
Fuel and Time Optimal USV Trajectory Planning under Flexible Refueling Constraints
本文研究了考虑方向相关海流和灵活加油约束的无人水面航行器轨迹优化问题。这项工作的动机是对开发用于海洋无人水面车辆的商业,科学和军事应用的自主导航技术的兴趣日益浓厚。关于这种飞行器的相关文献已经解决了能量高效的轨迹优化和时间高效的轨迹优化。然而,包括加油停止和多目标优化的轨迹优化技术的应用仍然相对未被探索。我们解决这个公开的挑战,制定的轨迹设计问题作为一个非凸的混合整数优化程序与多目标代价函数。然后,我们应用动态规划来解决这个优化程序的燃料和时间的最佳轨迹。我们将这些结果合成为一系列的帕累托前沿,展示了燃料消耗和行程时间之间的权衡与方向相关的洋流的原型路线。此外,我们解决的最佳轨迹说明了燃料水平变低时车辆行为的变化,以及车辆遇到适得其反的洋流。我们的研究结果表明了一些有意义的见解的整体轨迹优化过程。
2020-11-05 cs.SY eess.SY math.OC
Validation and Calibration of Energy Models with Real Vehicle Data from Chassis Dynamometer Experiments
本研究利用真实车辆数据验证简化能量模型,通过校准Autonomie模型复现丰田RAV4特性,证明简化模型能可靠估计实际驾驶条件下的燃油消耗,适用于大规模交通应用。
2025-03-27 cs.SY eess.SY
A Simple Cooperative Platooning Controller for Connected Vehicles
城市交通拥堵是许多城市面临的老大难问题。这基本上是基础设施使用效率低下,导致车辆燃料消耗和排放增加。这反过来又增加了通勤者和企业的额外成本。因此,由于所看到的双重好处,解决这一问题至关重要。许多技术已经和正在开发中。这些措施包括自适应交通信号,专用车道等,本文提出了一种简单的排队算法,保持相对较小的距离(预先指定的时间间隔)之间的连续车辆,以提高流动性,增加运输能力,并最终降低出行成本。几个动力学和运动学约束的车辆的运动也占。这些约束包括加速度、速度和距离约束。这种逻辑在穿越洛杉矶市中心的高速公路上进行了测试。根据联网自动驾驶汽车与非联网自动驾驶汽车的市场渗透率,可以观察到整个城市的旅行时间、延迟和燃料消耗的减少。预计车辆将以更少的旅行时间、延误和燃料消耗到达目的地。减少百分比分别为0 - 5%、0 - 9.4%和2.58 - 8.17%。
2020-08-10 cs.SY eess.SY
Evaluation of Headway Threshold-based Coordinated Platooning over a Cascade of Highway Junctions
具有协调自适应巡航控制(CACC)功能的车辆排队是一种有前途的技术,具有节省燃料和缓解拥堵的强大潜力。虽然一些研究人员已经研究了队列行驶的车辆层面的燃料节省,但很少有人考虑系统层面的好处。本文评估车辆排队作为一种减少燃料的方法,并提出了分层控制系统。我们特别关注排队协调算法对系统整体效益的影响。排队协调的主要任务是调节多辆车到达特定路口的时间:这些车辆只有在路口相遇(即在共同的时间间隔内到达)时才能排队。我们使用一个微观仿真模型来评估一类基于阈值的协调策略,并得出有关由于排中空气阻力减小而节省的燃料和由于协调(即某些车辆加速以赶上领先车辆)而导致的额外燃料消耗之间的权衡的见解。该模型是使用实际的交通数据在洛杉矶大都市区的210号州际公路的一部分进行校准。我们研究了关键决策变量,包括队列阈值和协调半径,和关键性能指标,燃料消耗之间的关系。
2019-08-07 cs.SY eess.SY math.OC
Machine Learning-Based Performance Evaluation of a Solar-Powered Hydrogen Fuel Cell Hybrid in a Radio-Controlled Electric Vehicle
Johannes Kepler University Linz(林茨约翰内斯·开普勒大学)
本文结合信号处理、异常检测与时间卷积网络,评估太阳能质子交换膜燃料电池—镍氢电池混合动力遥控车,证明其能提升电压稳定性、可靠性并支持离网可再生氢能应用。
2025-09-23 cs.SY eess.SP eess.SY
Hydrogen Penetration and Fuel Cell Vehicle Deployment in the Carbon Constrained Future Energy System
这项研究详细介绍了一个全球模型的结果,该模型估计了到2050年氢渗透到碳约束能源系统中的情况。以最小和最大渗透率情景为重点,对全球燃料电池汽车(FCV)部署进行了调查,并以日本为例研究了全球最佳经济部署和利益相关者偏好。该模型在数学上被表述为一个非常大规模的线性优化问题,旨在最大限度地减少系统成本,包括发电类型,燃料成本,转换成本和碳减排成本,受约束的二氧化碳减排为每个国家。结果显示,到2050年,全球能源消费需求的约0.8%至2%可以通过氢气来满足,城市燃气和运输将成为重要的用例。载客燃料电池汽车和氢动力公交车几乎占据了所有的氢动力交通领域,到2050年,全球将部署约1.2亿辆燃料电池汽车。氢的生产依赖于化石燃料,经合组织国家是净进口国,特别是日本,其进口量为100%。为了支持从化石燃料中生产氢气,在预计大量FCV时,需要大量的碳捕获和储存(CCS)。利益相关者的参与表明了对FCV部署的乐观态度,而确定的政策问题包括未来大规模能源系统投资的必要性以及可再生能源技术和电解槽的快速技术和经济可行性进展。
2020-08-31 cs.SY eess.SY physics.soc-ph
Fuel-Optimal Centralized Coordination of Truck Platooning Based on Shortest Paths
ACCESS Linnaeus Center(ACCESS林奈中心);School of Electrical Engineering, KTH Royal Institute of Technology(KTH皇家理工学院电气工程学院)
本文研究如何通过最短路径协调卡车编队的形成与解散,提出考虑路由、速度依赖性燃油消耗和编队决策的优化问题,并通过凸规划求解最优速度剖面。
2015-10-22 cs.SY eess.SY
Ecological Adaptive Cruise Control for City Buses based on Hybrid Model Predictive Control using PnG and Traffic Light Information
本文提出了一种生态自适应巡航控制(EACC)的概念,其主要目标是最大限度地减少城市公交车的燃油消耗与内燃机(ICE)。一个混合模型预测控制(HMPC)在这项工作中实现控制连续和离散时间变量。此外,多目标优化问题的EACC制定在时域上作为一个混合整数二次约束二次规划(MIQCQP)问题。建议HMPC-EACC执行强大的车辆跟踪,同时跟踪领先的车辆和计划燃油效率的加速和减速机动的主机。此外,它使用信号相位和定时(SPaT)信息来计算本车在绿灯相位通过信号交叉口的绿波参考速度。此外,所提出的控制器执行脉冲和滑翔(PnG),以最佳地控制发动机的ON和OFF状态,并节省额外的燃料。此外,所提出的策略的性能进行评估,在现实世界的驾驶配置文件和比较,从文献中的基线控制器。最后,研究了不同预测时域对燃料节省量和计算时间的影响。结果表明,HMPC-EACC的燃油消耗显着减少,并证明所提出的控制器是实时的能力。
2021-04-18 cs.SY eess.SY
A novel learning-based robust model predictive control energy management strategy for fuel cell electric vehicles
Jilin University(吉林大学);Loughborough University(拉夫堡大学)
多能源机电耦合使得燃料电池电动汽车(FCEV)的能量管理相对非线性和复杂,特别是在四轮驱动(4 WD)FCEV类型中。复杂非线性系统的精确状态观测是燃料电池汽车实现理想能量管理的基础。为充分发挥燃料电池汽车的节能潜力,提出了一种基于学习的鲁棒模型预测控制(LRMPC)策略,用于四轮驱动燃料电池汽车,实现多能源之间的合理功率分配.基于机器学习的控制策略将非线性系统的知识转化为具有良好鲁棒性能的显式控制方案。首先,离线训练回归精度高、泛化能力强的ML方法,建立精确的SOC状态观测器;然后,利用状态观测器生成的SOC显式数据表,以车辆状态和车辆部件状态为输入特征,准确捕捉状态变化。具体地说,车辆速度估计提供未来的速度参考是由深森林。其次,将显式数据表和车速估计等组成部分与模型预测控制(MPC)相结合,以释放燃料电池汽车多自由度系统的最新节能能力,称为LRMPC。最后,通过仿真试验对该算法的性能进行了详细的评估,验证了该算法的优越性。相应的结果突出了LRMPC的节能潜力和较强的实时应用能力的最优控制效果。
2022-09-12 cs.LG cs.SY eess.SY
Eco-Driving at Signalized Intersections: A Multiple Signal Optimization Approach
连续交通信号交叉口会增加车辆停车次数,在主干道上产生车辆加速度,并可能增加车辆燃油消耗水平。生态驾驶系统是一种借助车辆连接来提高车辆能效的方法。在本文中,生态驾驶系统的开发,计算燃料优化的车辆轨迹,同时穿越多个信号交叉口。该系统是以模块化和可扩展的方式设计的,允许它在大型网络中实现,而不会显着增加计算复杂性。所提出的系统利用信号相位和定时(SPaT)数据,这些数据与实时车辆动力学一起传输到联网车辆(CV),以计算燃料最佳轨迹。该算法被纳入INTEGRATION微观交通分配和仿真软件进行全面的灵敏度分析的各种变量,包括:系统的市场渗透率(MPR),需求水平,相位分裂,偏移和交通信号间距对系统性能。分析表明,在MPR为10 0%时,燃油消耗率可降低13.8%。此外,更高的MPR和更短的相位长度导致更大的燃料节省。最佳的需求水平和交通信号间距存在,最大限度地提高算法的有效性。此外,研究表明,该算法的工作效率较低时,交通信号偏移接近其最佳值。最后,研究强调了需要进一步的工作,以提高算法来处理过饱和的交通条件。
2020-01-04 cs.SY eess.SP eess.SY
A novel ML-fuzzy control system for optimizing PHEV fuel efficiency and extending electric range under diverse driving conditions
Iran University of Science and Technology(伊朗科技大学);Cornell University(康奈尔大学);University of Nebraska-Lincoln(内布拉斯加大学林肯分校)
本研究提出一种结合机器学习与模糊逻辑的PHEV新型控制系统,可预测纯电能耗、优化多模式功率分配,在多工况下显著提升纯电续航、降低燃油消耗,还能适配不同电池健康状态。
2024-12-12 cs.LG cs.SY eess.SY
Fuel Saving Effect and Performance of Velocity Control for Modern Combustion-Powered Scooters
针对Euro 5燃油踏板摩托车限速低效、排放高的问题,提出基于线控油门和自适应PI控制的速度管理系统,并在实车与仿真中验证其可保持性能且节油13.6%。
2023-11-16 cs.SY eess.SY
Economic MPC-based planning for marine vehicles: Tuning safety and energy efficiency
能源效率和安全性是船舶在障碍物环境中运行的两个关键目标,它们通常相互冲突。本文提出了一种基于经济模型预测控制(EMPC)框架的船舶运动规划方法。首先,设计具有最大安全裕度的可行轨迹,并将其作为跟踪参考。其次,设计了基于EMPC的滚动时域运动规划算法,在该算法中,规划轨迹和参考之间的距离)。实验结果验证了该方法的有效性和可行性。
2021-12-10 cs.SY eess.SY
Trajectory planning for multiple autonomous underwater vehicles with safety guarantees
研究了多自主水下机器人(AUV)在强海浪中的轨迹规划问题,该问题会干扰AUV的轨迹跟踪能力,并导致障碍物和机器人之间的碰撞。提出了一种基于Hamilton-Jacobi微分对策和模型预测控制的AUV安全轨迹生成方法,该方法考虑了时变状态无关或时变状态相关的波浪扰动。该方法规划多个AUV的安全保证的轨迹,并考虑AUV的形状,其中非线性光滑避碰约束通过强对偶性获得。
2020-11-27 cs.SY eess.SY
Reinforcement Learning with Distributed MPC for Fuel-Efficient Platoon Control with Discrete Gear Transitions
Delft Center for Systems and Control, Delft University of Technology(代尔夫特系统与控制中心,代尔夫特理工大学)
本文提出基于强化学习的分布式MPC方法,用于高效燃油车队控制,通过简化连续优化问题和多智能体分解提升计算效率。
2026-01-26 cs.SY eess.SY
Automated Vehicle Highway Merging: Motion Planning via Adaptive Interactive Mixed-Integer MPC
提出了一种新的高速公路自动合流运动规划框架。为了计划合并并预测相邻车辆的运动,自我自动驾驶车辆在后退范围内解决了两个车辆成本的联合优化。通过引入整数决策变量处理可行区域和车道纪律的非凸性质,从而导致模型预测控制(MPC)问题的混合整数二次规划(MIQP)制定。此外,自我使用逆最优控制方法,通过观察邻居的最近运动来估算邻居车辆成本的权重,并相应地调整其解决方案。我们称之为自适应交互式混合整数MPC(aiMPC)。仿真结果表明了该框架的有效性。
2022-11-04 cs.SY eess.SY
Energy-Efficient Driving in Connected Corridors via Minimum Principle Control: Vehicle-in-the-Loop Experimental Verification in Mixed Fleets
互联和自动驾驶车辆(CAV)可以规划和执行控制,明确考虑性能,系统安全和驱动约束,其方式比人类驾驶的同行更有效。特别是,通过共享即将到来的信号相位和时间(SPaT)的信号走廊的信息交换,实现了生态驾驶。这是在所提出的控制方法,它遵循第一原则,规划一个自由流的加速度最优轨迹通过绿色交通灯间隔庞特里亚金的最小值原则的反馈方式。城市条件,然后强加从外来交通组成的混合物的人类驾驶的车辆(HV)-以及其他CAV。因此,通过实施模型预测控制器(MPC)来实现安全的干扰补偿,以通过根据需要发出制动命令来预测和避免碰撞。该控制策略通过嵌入到通过微观仿真实现的虚拟交通走廊中的原型CAV的车辆在环(VIL)进行实验验证。与人类模型驾驶员相比,所提出的控制方法可节省高达36%的燃油,并且发现自动化方法中的连接性比没有自动化的情况下提高了高达26%的燃油经济性。此外,测量了人类驾驶员在下游CAV后面驾驶时可实现的被动能源效益,当驾驶在具有连接功能的自动化车辆的小范围内时,HV可节省高达22%的燃油。
2022-11-17 cs.SY eess.SY
Interaction-Aware Motion Planning for Autonomous Vehicles with Multi-Modal Obstacle Uncertainty Predictions
本文提出一种结合IAIMM-KF多模态预测与MPC的自动驾驶车辆交互安全感知运动规划方法,通过引入可调参数平衡性能与鲁棒性,在复杂交通场景中实现安全避碰与轨迹跟踪。
2023-09-13 cs.SY eess.SY
Trajectory Planning for Connected and Automated Vehicles at Isolated Signalized Intersections under Mixed Traffic Environment
互联和自动驾驶车辆(CAV)的轨迹规划有可能提高交通系统的运营效率和车辆燃油经济性。尽管在这方面的研究丰富,但大多数只考虑纵向的轨迹规划或假设全CAV环境。提出了一种在单信号交叉口混合交通环境下的CAV轨迹分散规划方法。基于离散时间建立了一个双层优化模型,在给定信号时序和周围车辆轨迹信息的情况下,对单架CAV的纵向和横向轨迹进行优化。上层模型优化横向换道策略。下层模型根据上层模型的换道策略优化纵向加速度曲线。在目标函数中考虑了车辆延误、燃料消耗和换道费用的最小化。设计了换道策略树(LCST)和并行蒙特卡罗树搜索(PMCTS)算法求解双层优化模型。CAV的轨迹是根据它们到停止杆的距离一个接一个地规划的。滚动时域计划适用于所提出的模型与时变交通条件的动态实施。数值算例验证了所提出的轨迹规划模型的优越性。
2021-02-06 cs.SY eess.SY
Optimal Control-Based Eco-Ramp Merging System for Connected and Automated Electric Vehicles
我们目前的运输系统在安全性、机动性和环境可持续性方面存在许多问题。创新智能交通系统(ITS)技术的出现,特别是联网和自动驾驶汽车(CAV),为解决上述问题提供了许多机会。在本文中,我们提出了一个分层的匝道合并系统,不仅产生微观合作机动的CAV在匝道合并到主线交通流,但也提供了可控性的匝道流入率,从而使宏观交通流控制。提出了一种基于集中式优化控制的方法,以平滑合并流,提高系统范围内的移动性,并降低网络的整体燃料消耗。线性二次跟踪器在有限的地平线和滚动地平线的形式来解决路径规划和序列确定方面的优化问题,其中应用的微观车辆燃料消耗模型。使用PTV VISSIM进行了广泛的交通模拟运行,以评估拟议系统对加利福尼亚州科罗纳SR-91 E路段的影响。结果证实,在调节的流入速率下,所提出的系统可以避免潜在的交通拥堵并提高流动性(例如,VMT/VHT)高达147%,与传统的匝道调节和没有任何控制方法的匝道相比,节省了47%的燃油。
2020-02-05 cs.SY eess.SY
Trajectory Planning of Automated Vehicles in Tube-like Road Segments
IMT School for Advanced Studies Lucca(卢卡高等研究学院)
本文提出基于线性规划的自动驾驶轨迹规划方法,结合障碍规避、路标时间调度及管状道路时间最优通行,通过空间域建模与车辆尺寸约束启发式方法提升路径规划效率。
2017-07-24 cs.SY eess.SY
A Planning-free Longitudinal Controller Design for Vehicles in Dynamic Traffic Environments
本文研究了动态交通环境中的纵向控制问题,其中驾驶场景在自由驾驶场景和跟驰场景之间变化。提出了一种不依赖于规划算法的综合纵向控制器,以保证在场景变化时具有合理的瞬态响应和稳态响应。该设计考虑了乘客舒适性、安全性和扰动抑制,并试图满足自动车辆行业对更低成本、更快响应、更高舒适性、更高安全性和更高可扩展性的要求。详细提供了设计见解和直觉。进行了全面的仿真,以证明所提出的控制器在不同的驾驶场景的有效性。
2022-06-25 cs.SY eess.SY
High-Speed Trajectory Planning for Autonomous Vehicles Using a Simple Dynamic Model
MINES ParisTech, PSL Research University(巴黎矿业学院,PSL研究大学);École des Ponts ParisTech(巴黎路桥学院)
本文提出一种基于模型预测控制的轨迹规划方法,利用简单动态模型实现高速自动驾驶车辆的轨迹规划,避免障碍并选择可行速度,提升安全性和效率。
2017-04-04 cs.SY eess.SY
Interaction-Aware Vehicle Motion Planning with Collision Avoidance Constraints in Highway Traffic
Kyungpook National University(庆北国立大学)
本文针对高速公路自动驾驶中的车辆交互问题,提出一种将周围车辆轨迹与避撞约束耦合的最优控制框架,并基于庞特里亚金极小值原理实现轨迹优化,仿真验证了其有效性。
2024-04-02 cs.RO cs.SY eess.SY
Optimization-Based On-Road Path Planning for Articulated Vehicles
KTH Royal Institute of Technology(瑞典皇家理工学院);Linköping University(林雪平大学);Scania CV AB(斯堪尼亚汽车公司)
在狭窄的道路延伸段上操纵铰接式车辆对于人类驾驶员来说通常是一项具有挑战性的任务。除非车辆被准确地转向,否则车身的一部分可能会超出其指定的车道,从而增加与周围交通碰撞的风险。在这项工作中,提出了一种基于优化的路径规划算法,针对道路上行驶的情况下,铰接车辆组成的牵引车和拖车。为此,我们在适合道路规划的道路对齐坐标系中对牵引车-拖车车辆进行建模。基于驾驶行为学,提出了一组不同的优化目标,其总体目标是设计一个路径规划器,该路径规划器计算最小化车身扫掠区域的偏离轨道的路径,同时保持在道路上并避免与障碍物碰撞。使用最具挑战性的牵引车拖车尺寸,在一组复杂且实际相关的道路规划场景的模拟中评估和分析了所提出的基于优化的路径规划算法以及不同的优化目标。
2020-05-11 cs.RO cs.SY eess.SY
Centralized Decision-Making for Platooning By Using SPaT-Driven Reference Speeds
FZI Research Center for Information Technology(弗赖堡信息科技研究中心);Karlsruhe Institute of Technology (KIT)(卡尔斯鲁厄理工学院)
针对城市车队节油通行问题,提出基于 V2X 与 SPaT 数据的集中式非线性 MPC 决策方法,结合跟随控制与动态拆分消息,在 CARLA 中实现最高 41.2% 的节油并提升通行效率。
2025-05-09 cs.RO cs.SY eess.SY
An Integrated Framework of Decision Making and Motion Planning for Autonomous Vehicles Considering Social Behaviors
School of Mechanical and Aerospace Engineering, Nanyang Technological University(南洋理工大学机械与宇航工程学院)
提出了一种新的综合方法,以处理的决策和运动规划的自动驾驶汽车(AV)的车道变换操纵考虑周围交通乘员的社会行为。通过驾驶风格和周围车辆的意图来反映,在建模过程中考虑了社会行为。然后,应用Stackelberg博弈理论解决决策问题,将其转化为一个非合作博弈问题。此外,在运动规划模型中引入势场,利用不同的势函数来描述周围车辆的不同行为和道路约束。然后,利用模型预测控制(MPC)来预测自主车辆的状态和轨迹。最后,决策和运动规划,然后集成到一个有约束的多目标优化问题。考虑到周围车辆的不同社会行为的三个测试场景进行了验证所提出的方法的性能。测试结果表明,该集成方法能够解决与其他交通参与者的不同社会互动,为自动驾驶汽车做出正确、安全的决策和规划,证明了其可行性和有效性。
2020-05-22 cs.RO cs.SY eess.SY
Sensor Diagnosis for Fuel and Emissions Monitoring in Heavy-Duty Diesel Vehicles
University of Chicago(芝加哥大学);University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
本研究针对重型柴油车辆,提出两种基于健康测量关系的传感器诊断与燃油修正方法,在特定实验设置下可实现高准确率诊断,大幅降低排放核算的平均绝对误差。
2026-10-16 cs.LG cs.SY eess.SY
DP and QP Based Decision-making and Planning for Autonomous Vehicle
本文提出一种结合动态规划(DP)全局路径规划与二次规划(QP)局部轨迹优化的自动驾驶决策规划框架,利用S-T图实现动静态障碍物避让,仿真验证了其在复杂环境中的有效性与鲁棒性。
2024-11-11 cs.RO cs.SY eess.SY
Motion Planning and Tracking Control of Unmanned Underwater Vehicles: Technologies, Challenges and Prospects
University of Guelph(圭尔夫大学)
无人水下航行器(UUV)的运动规划与跟踪控制技术是实现UUV高效、鲁棒导航的基础,对于水下救援、设施维护、海洋资源勘探、水上娱乐等具有重要意义。UUV运动规划与跟踪控制的研究在国内外得到了迅速发展。多UUV系统的任务分配、UUV路径规划和UUV轨迹跟踪。本文对UUV的运动规划和跟踪控制的传统技术和智能技术进行了全面的综述。这些不同的方法在文献中的优点和缺点的分析。最后,展望了UUV运动规划和跟踪控制的发展前景。
2022-07-10 cs.RO cs.SY eess.SY
A Geometric Approach to On-road Motion Planning for Long and Multi-Body Heavy-Duty Vehicles
Scania CV AB(斯堪尼亚CV公司)
与乘用车相比,驾驶重型车辆,例如公共汽车和牵引车拖车车辆是一项艰巨的任务。大多数关于自动驾驶车辆运动规划的研究都集中在乘用车上,与重型车辆相关的许多独特挑战仍然存在。然而,最近的工作已经开始解决的特殊困难,道路上的运动规划的公共汽车和牵引车拖车车辆使用数值优化方法。在这项工作中,我们提出了一个框架来设计一个优化目标,用于运动规划。基于几何推导,该方法找到了最佳的权衡之间的冲突目标的中心不同轴的车辆在车道上。对于公共汽车,我们考虑前轴和后轴的权衡,而对于铰接式车辆,我们考虑牵引车和拖车后轴的权衡。我们的研究结果表明,所提出的设计策略的结果规划的路径,大大提高了重型车辆的行为,保持整个车身在车道的中心。
2020-10-15 cs.RO cs.SY eess.SY
Optimal Behavior Planning for Implicit Communication using a Probabilistic Vehicle-Pedestrian Interaction Model
Honda Research Institute Europe GmbH(本田欧洲研究院有限公司);Computer Engineering Department, University of Alcalá(阿尔卡拉大学计算机工程系)
本研究提出一种结合预测与规划的方法,通过解析求解两个最优控制问题并利用概率行为接受模型,实现自动驾驶车辆与横穿行人交互中的隐式通信最优行为规划,以提升合作行为决策能力。
2025-09-26 cs.HC cs.SY eess.SY
Prioritized experience replay-based DDQN for Unmanned Vehicle Path Planning
Peking University(北京大学);Northeastern University(东北大学);New York University(纽约大学)
针对传统算法在复杂环境下易陷入死区的问题,提出结合优先经验回放的DDQN路径规划算法,实验证明其在速度、准确性和突破死区能力上显著优于其他方法。
2024-06-25 cs.RO cs.SY eess.SY
A Comprehensive Eco-Driving Strategy for Connected and Autonomous Vehicles (CAVs) with Microscopic Traffic Simulation Testing Evaluation
本文提出了一种综合的CAV生态驾驶策略。在这种设置中,多种驾驶模式同时计算出适合各自约束条件的速度曲线,以尽可能节省燃油,而高级(HL)控制器则确保在环保驾驶的驾驶模式之间平稳过渡。这种生态驾驶确定性控制器的自我CAV配备了车辆到基础设施(V2I)和车辆到车辆(V2V)的算法。仿真结果表明,HL控制器确保显着的燃油经济性改善相比,基线驾驶模式,自我CAV和交通车辆之间没有碰撞,而自我CAV的驾驶模式下,不断变化的约束条件下正确设置。
2022-06-16 cs.MA cs.NA cs.SY
Analyzing the performance of distributed conflict resolution among autonomous vehicles
本文研究了合作与非合作、集中与分布对自动驾驶汽车交通博弈性能的影响。一个模型,使用粒子为基础的,拉格朗日表示,而不是一个欧拉,流为基础的,通常在路由问题的博弈论方法。该选择允许表示诸如燃料耗尽、车辆碰撞和波传播之类的现象。定义了表示多代理运输系统中的交互所需的元素,包括分布式的、基于优先级的资源分配协议,其中资源是空间网络中的节点和链路,并且执行个体路由策略。开发了燃料消耗动态,以考虑能源成本和具有有限范围的车辆。分析表明,只有协同资源分配的情况下,集中式和分布式情况下的集体成本和公平系数才能达到最优。
2021-10-08 cs.MA cs.SY eess.SY
Optimization-Based Motion Planning for Autonomous Agricultural Vehicles Turning in Constrained Headlands
University of California, Davis(加利福尼亚大学戴维斯分校)
针对自主农业车辆在狭窄不规则地头转弯困难的问题,提出一种基于优化的运动规划算法,在田间几何与障碍物约束下生成平滑无碰撞的转弯轨迹。
2024-06-11 cs.RO cs.SY eess.SY
Energy-Aware Lane Planning for Connected Electric Vehicles in Urban Traffic: Design and Vehicle-in-the-Loop Validation
Department of Mechanical Engineering, UC Berkeley(机械工程系,伯克利大学);Department of Civil Engineering, UC Berkeley(土木工程系,伯克利大学);Zoox, Inc.(Zoox公司)
本文提出了一种基于V2I通信的能耗感知运动规划框架,通过联合优化纵向速度和横向车道变更决策,实现城市交通中能耗降低24%的显著效果。
2025-12-07 cs.RO cs.SY eess.SY
A Prioritized Trajectory Planning Algorithm for Connected and Automated Vehicle Mandatory Lane Changes
我们介绍了一个优先系统优化算法的强制变道(MLC)的连接和自动驾驶汽车(CAV)从专用车道的行为。我们的方法适用于合作的车道变化,优先的车道变化车辆的决定,更接近年底的发散区(DZ),并优化预测的总系统行程时间。我们的实验合成数据表明,该算法提高了交通网络的效率,获得更高的速度在专用车道和更早的MLC位置,同时确保了较低的计算时间。我们的方法优于传统的差距接受模型。
2021-04-21 cs.RO cs.SY eess.SY
Autonomous Underwater Vehicle-Manipulator Systems Path Planning with RRTAUVMS Algorithm
Zhejiang University(浙江大学);Shenzhen Sensetime Technology CO.,LTD(深圳商汤科技有限公司);Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences(中国科学院深圳先进技术研究院)
自主水下机器人系统(AUVMS)是一种新型的海洋探测工具,本文研究了AUVMS路径规划问题。水下机器人系统是一个惯性分布差异大的高维系统,且工作环境复杂,存在障碍物。通过将快速探索随机树(RRT)算法与AUVMS运动学模型相结合,RRTAUVMS算法可以在配置空间(C-Space)中随机采样,并在任务空间中直接向工作空间目标生长。RRTAUVMS还可以处理工作空间规划目标和配置空间目标的冗余映射。与传统RRT算法相比,该算法可以显著提高AUVMS路径规划的效率。
2021-09-11 cs.RO cs.SY eess.SY
Safe and Resilient Multi-vehicle Trajectory Planning Under Adversarial Intruder
University of California, Berkeley(加州大学伯克利分校)
本文提出一种改进的序列轨迹规划方法,通过仅对固定数量的车辆进行重新规划,提高了多车轨迹规划的可扩展性和鲁棒性,适用于大规模系统。
2017-11-06 cs.SY eess.SY math.DS