Experimental Validation of Multi-lane Formation Control for Connected and Automated Vehicles in Multiple Scenarios
已经提出了连接和自动化车辆的编队控制方法，以在不同场景中平滑地切换车辆编队的结构。在以往的研究中，通常通过仿真来验证编队控制方法的性能。本文介绍了实验结果的多车道形成控制连接和自动化车辆。介绍了协调编队控制的框架和针对不同场景的具体方法。详细介绍了实验平台和整车控制策略。在不同场景下进行仿真和实验，结果表明，该编队控制方法适用于多种交通场景，与基准方法相比，能够提高编队结构切换效率。
2021-12-01 cs.SY eess.SY
Optimal Vehicle Dynamics and Powertrain Control for Connected and Automated Vehicles
University of Delaware（特拉华大学）
本文提出了一种两级控制架构，用于优化连接和自动化混合动力电动汽车的速度剖面和动力总成效率，通过车辆网络模拟评估了该架构。
2019-05-24 cs.SY eess.SY math.OC
Systems-Theoretic Safety Assessment of Teleoperated Road Vehicles
本文针对远程操作道路车辆缺乏系统安全分析的问题，采用STPA方法识别其潜在危害，为制定符合ISO26262的安全概念提供基础。
2021-04-14 cs.SY eess.SY
Towards Provably Safe Mixed Transportation Systems with Human-driven and Automated Vehicles
Department of Electrical and Computer Engineering, Texas A&M University（德克萨斯农工大学电气与计算机工程系）
本文研究了在人驾驶和自动驾驶车辆混合交通系统中如何设计可证明安全的系统，通过制定运动规划策略和协调规则，确保系统安全性和通过能力。
2018-10-13 cs.SY eess.SY
$\mathcal{L}_2$ and $\mathcal{L}_{\infty}$ stability analysis of heterogeneous traffic with application to parameter optimisation for the control of automated vehicles
IBM Research - Ireland Lab（IBM 爱尔兰研究院）；Trinity College Dublin - School of Computer Science（都柏林三一学院计算机学院）
本文基于异质交通系统，分析$\mathcal{L}_2$和$\mathcal{L}_{\infty}$稳定性，提出参数优化策略以提升自动化车辆控制下的交通流稳定性。
2018-03-15 cs.SY eess.SY
Sequential Experimentation to Efficiently Test Automated Vehicles
University of Michigan（密歇根大学）
本文提出基于克里格模型的顺序学习方法，通过启发式模拟基于梯度下降的搜索过程，减少道路测试次数，降低自动驾驶车辆的安全评估成本。
2017-07-02 cs.SY eess.SY
Optimization-Based Path-Planning for Connected and non-Connected Automated Vehicles
从最优控制问题的适时表述出发，推导出了多车道高速公路上连接和非连接自动道路车辆的路径规划算法。在这个框架中，要最小化的目标函数包含适当的相应项，以反映：车辆前进的目标;乘客舒适度;以及避免与其他车辆碰撞、道路偏离和负速度。连通性意味着互联车辆能够相互（V2 V）或与基础设施（V2 I）交换有关其最后生成路径的实时信息。对于最优控制问题的数值解，使用高效的可行方向算法。为了保证高质量的局部最小值，一个简化的动态规划算法也被认为是可行方向算法提供初始的猜测轨迹。由于计算时间短，该方法在模型预测控制（MPC）框架内易于执行。所提出的基于MPC的方法嵌入在Aimsun微观仿真平台中，该平台可以评估过多的现实车辆驾驶和进步场景。在多车道高速公路上获得的结果表明，与普通Aimsun车辆相比，最佳控制车辆在接近其期望速度时具有更高的效率。自动化车辆的渗透率增加，以提高整体交通流量的效率，以及受益于手动车辆。此外，由于改进的实时信息和短期预测，与相应的非连接受控车辆相比，连接受控车辆似乎更有效。
2021-04-14 cs.SY eess.SY
Impact and Implementation of Reserved Lanes for Automated Driving on Signalized Urban Arterials
自动车辆是指能够在不受人类驾驶员影响的情况下在道路设施上实现安全移动的车辆。在过去的十年中，随着互联车辆概念的兴起，已经提出了许多基于自动车辆的交叉口控制的最先进的应用。本研究的主要目的是估计和评估自动驾驶车辆的专用车道的影响，并建议一些可行的车道配置方案的信号控制的城市干道。在PTV Vissim软件中采用随机驱动的控制策略对自动驾驶进行了仿真。通过微观仿真的概念评估显示显着的流动性改善相比，没有车道预留的操作方案。研究结果表明，在这项研究中观察到的信号走廊，总旅行时间减少的范围从5.1%到19.4%，这取决于C/AV市场渗透率和测试台配置参数。
2020-08-01 cs.SY eess.SY
Vehicle path and traffic flow optimization via lane changing of automated or semi-automated vehicles on motorways
本文研究自动或半自动驾驶车辆在高速公路上采用MOBIL换道策略对车辆行程时间和交通流的影响，通过Aimsun微观仿真分析不同参数及交通条件下的优化效果。
2023-12-02 cs.SY eess.SY math.OC
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
Performance Analysis of Optimally Coordinated Connected and Automated Vehicles in a Mixed Traffic Environment
本文针对含有人驾驶车辆的混合交通走廊，研究网联自动驾驶车辆协同轨迹规划框架，并通过仿真分析不同CAV渗透率与交通流量对总行程时间和燃油经济性的影响。
2022-06-20 cs.SY eess.SY
Evaluation of the Energy Efficiency in a Mixed Traffic with Automated Vehicles and Human Controlled Vehicles
University of Michigan（密歇根大学）
本文评估了混合交通中自动驾驶车辆与人工驾驶车辆的能量效率，提出车道变更模型模拟人类驾驶员的礼貌与耐心特性，并通过案例研究展示不同前车轨迹对能量消耗的影响。
2018-06-01 cs.SY eess.SY
Continuous-time finite-horizon ADP for automated vehicle controller design with high efficiency
自动车辆控制器的设计一般可以用公式表示为最优控制问题。本文提出了一种连续时间有限时域近似动态规划（ADP）方法，该方法可以利用解析的车辆动力学特性离线综合近最优控制策略。在一般的策略迭代框架下，分别利用价值神经网络和策略神经网络来逼近策略状态到价值函数和控制输入的映射。该方法可以收敛到有限时域Hamilton-Jacobi-Bellman（HJB）方程的近优解。我们进一步将我们的算法应用于自动车辆控制的路径跟踪机动的仿真。结果表明，所提出的ADP方法可以获得近似最优的政策与1%的误差和更少的计算时间。此外，所提出的ADP算法也适用于非线性控制系统，其中ADP比非线性MPC ipopt求解器快近500倍。
2020-07-04 cs.SY eess.SY
Co-optimization of Vehicle Dynamics and Powertrain Management for Connected and Automated Electric Vehicles
本文研究了双电机电动汽车中车辆速度与动力系统管理的协同优化问题，通过构建面向控制的模型将其转化为最优控制问题，仿真表明该策略在理想及不确定交通条件下均能显著降低能耗。
2024-12-19 cs.SY eess.SY
Stochastic Model Predictive Control with a Safety Guarantee for Automated Driving: Extended Version
自动驾驶汽车需要在不确定的环境中进行有效和安全的规划。大多数情况下，这种不确定性是由其他交通参与者引起的，例如，周边车辆。周围车辆的未来运动通常难以预测。而鲁棒控制方法实现安全，但保守的自动车辆的运动规划，随机模型预测控制（SMPC）提供了有效的规划存在的不确定性。应用概率约束以确保最大风险保持在预定义水平以下。然而，由于可能违反概率约束，无法确保安全性，这对于自动驾驶车辆是不可接受的。在这里，我们提出了一个有效的轨迹规划框架与自动驾驶汽车的安全保证。SMPC被应用于获得有效的车辆轨迹有限的地平线。基于第一优化SMPC输入，使用可达集规划有保证的安全备份轨迹。此备份用于覆盖SMPC输入（如有必要），以确保安全。证明了安全SMPC算法的递归可行性。高速公路模拟表明所提出的方法的有效性，性能和安全性。
2022-06-08 cs.SY eess.SY
Optimal Weight Adaptation of Model Predictive Control for Connected and Automated Vehicles in Mixed Traffic with Bayesian Optimization
针对混合交通环境下的互联自动车辆（CAV），提出了一种最优权值自适应模型预测控制（MPC）策略.我们将CAV和人类驾驶车辆（HDV）之间的相互作用建模为同时博弈，并制定了博弈论MPC问题，以找到博弈的纳什均衡。在MPC问题中，HDV目标函数中的权重可以使用移动时域逆强化学习在线学习。使用贝叶斯优化，我们提出了一种策略，以最佳地适应CAV的目标函数的权重，使预期的真实成本时，使用MPC在模拟中可以最小化。最后通过一个无信号交叉口的车辆过街算例验证了该优化策略的有效性。
2023-03-10 cs.SY eess.SY
Human-Machine Collaboration for Automated Vehicles via an Intelligent Two-Phase Haptic Interface
在实现完全自动驾驶之前，需要定期进行人为干预以确保车辆安全。这一事实对人机交互提出了新的挑战，特别是在从自动化功能到人类驾驶员的控制权限过渡期间。本文针对这一挑战，提出了一个智能触觉接口的基础上，新开发的两阶段人机交互模型。智能触觉扭矩施加在方向盘上，并根据人类驾驶员的不同状态和控制能力在预测指导和触觉辅助之间切换其功能，帮助驾驶员在接管过程中逐渐恢复手动控制。所开发的方法进行车辆实验与26人参与者进行验证。实验结果表明，与现有方法相比，该方法能有效提高驾驶员在接管过程中的驾驶状态恢复和控制性能，进一步提高自动驾驶汽车人机交互的安全性和流畅性.
2020-02-28 cs.SY eess.SY
A Cooperative Optimal Control Framework for Connected and Automated Vehicles in Mixed Traffic Using Social Value Orientation
在本文中，我们开发了一个社会合作的最优控制框架，以解决运动规划问题的连接和自动驾驶汽车（CAV）在混合交通使用社会价值取向（SVO）和潜在的游戏方法。在建议的框架中，我们制定的CAV和人类驾驶的车辆（HDV）之间的相互作用作为一个同时的游戏，每个车辆最大限度地减少其利己主义的目标和合作目标的加权和。SVO角度用于量化车辆对自私和合作目标的偏好。使用潜在的游戏方法，我们提出了一个单一的目标函数的最优控制问题，其权重因子的选择基于车辆的SVOS。我们证明了纳什均衡可以通过最小化建议的目标函数。为了估计HDV的SVO角度，我们开发了一种基于最大熵逆强化学习的滚动时域估计算法。通过对车辆并车的数值仿真，验证了该方法的有效性。
2022-09-10 cs.SY eess.SY
Energy-efficient Merging of Connected and Automated Vehicles using Control Barrier Functions
针对高速公路合流场景的痛点，本文提出基于控制障碍函数的非结构化网联自动驾驶车辆合流算法，经蒙特卡洛仿真验证，相比先入先出方法可提升交通流效率并实现显著节能。
2025-03-19 cs.SY eess.SY
Infrastructure Assisted Constrained Connected Automated Vehicle Trajectory Optimization on Curved Roads: A Spatial Formulation on a Curvilinear Coordinate
车辆轨迹优化是保证车辆高效、安全行驶的关键。提出了一种基于基础设施辅助的有约束自动驾驶汽车弯道轨迹优化方法。本文系统地阐述了基于曲线坐标的问题，这是灵活的模型复杂的道路几何形状。此外，为了处理空间变化的道路障碍物，交通规则和几何特征，二维车辆运动学给出了一个空间公式与基础设施提供的准确的道路信息。因此，我们采用了多目标模型预测控制（MPC）的方法来优化的轨迹在滚动的地平线，同时满足碰撞避免和车辆的运动学约束。为了验证我们的方法的有效性，进行了数值模拟。结果表明，该方法可以提供平滑的车辆轨迹，避免道路障碍物，并同时遵循交通规则，这是鲁棒的道路几何形状和干扰。
2021-05-16 cs.SY eess.SY
Optimal internal boundary control of lane-free automated vehicle traffic
最近提出的CAV（连接和自动化车辆）时代的车辆交通范例，称为无车道流体，涉及无车道车辆运动。无车道交通意味着道路拓宽的增量（收窄）导致相应增量增加（减少）能力;这为考虑对高速公路和干线进行实时内部边界控制开辟了道路，以便灵活地分担总量根据双向需求和交通状况确定两个方向之间的（两个方向）道路宽度和通行能力，以便使总（两个方向）流动效率最大化。该问题被制定为一个凸QP（二次规划）的问题，可以有效地解决，和代表性的案例研究揭示和展示的特点，能力和潜力的新的控制行动。
2021-06-17 cs.SY eess.SY
Decentralized Time and Energy-Optimal Control of Connected and Automated Vehicles in a Roundabout
本文考虑了控制互联和自动驾驶车辆（CAV）通过三入口环形交叉口的问题，以便联合最小化行程时间和能量消耗，同时提供速度相关的安全保证，以及满足速度和加速度约束。首先，我们设计了一个系统的方法来动态地确定安全约束，并推导出无约束的最优控制解。联合最优控制和障碍函数（OCBF）的方法，然后有效地获得一个控制器，最佳地跟踪无约束的最优解，同时保证所有的约束。仿真实验进行比较的最优控制器的基线人类驾驶的车辆显示有效性下对称和不对称的环岛配置，平衡和不平衡的交通流量和不同的排序规则的CAV。
2021-04-13 cs.SY eess.SY
Supporting Safe Decision Making Through Holistic System-Level Representations & Monitoring -- A Summary and Taxonomy of Self-Representation Concepts for Automated Vehicles
自动化车辆的市场引入激发了对自动化车辆系统安全性的大量研究工作。与驾驶员辅助系统不同，SAE 3+级系统不仅负责执行（部分）动态驾驶任务（DDT），还负责始终监控自动化系统的性能。完成这些监视任务的关键部件是系统监视器，它可以在运行时评估系统的性能，例如在部分系统故障的情况下激活后备模块。为了实现合理的自动驾驶汽车的监控策略，需要整体的系统级方法，利用复杂的内部系统模型。在本文中，我们提出了定义和相应的分类，包括这样的模型作为一个车辆的自我表示，并突出了条款的作用，在一个场景和情况表示。整体系统级监控不仅提供了使用监控器激活回退的可能性。在本文中，我们将讨论为什么整体系统级监控是迈向更高自动化水平的关键一步，并给出一个例子，说明它如何通过提供决策输入，使系统能够在战术层面对性能损失做出反应。
2020-07-29 cs.SY eess.SY
Energy Efficient Automated Driving as a GNEP: Vehicle-in-the-loop Experiments
本文将多车换道节能运动规划建模为广义纳什均衡问题，利用车对车意图共享和MPC求解，并通过软件在环与车辆在环实验验证其在能耗和行程时间上的优势。
2024-11-21 cs.SY eess.SY
An Approach for Optimizing Acceleration in Connected and Automated Vehicles
本文针对网联自动驾驶车辆中可调增益对加速度的影响，构建优化问题并用神经网络实时映射初始条件到最优增益，在合流场景中验证了方法有效性。
2023-08-08 cs.SY eess.SY
Self-Triggered Coordination Control of Connected Automated Vehicles in Traffic Networks
本文提出了一种自触发的方案，以最佳控制交通网络的冲突区域的连接和自动驾驶车辆（CAV）的交通流，其主要目的是减少控制区域内的CAV之间的数据交换，同时最大限度地减少旅行时间和能源消耗。利用控制障碍函数（CBF）框架，考虑了安全约束和车辆限制，提出了一种基于CBF约束的自触发方案。此外，修改CBF约束的开发，以确保最小的事件间的时间间隔，建议的自触发计划。最后，它是通过模拟研究表明，CAV之间的数据交换的数量显着减少，使用所提出的自触发方案相比，标准的时间触发框架。
2022-04-08 cs.SY eess.SY
A System's Perspective Towards an Architecture Framework for Safe Automated Vehicles
本文从系统视角出发，扩展了现有系统视角，通过能力评估和安全分析，推导出行为安全需求，并将其整合到自动驾驶车辆的开发流程中。
2018-04-23 cs.SY eess.SY
Coordination for Connected Automated Vehicles at Merging Roadways in Mixed Traffic Environment
本文提出一种最优控制框架，结合低层能量最优控制与上层最小行驶时间优化，并利用Newell模型预测人类驾驶车辆轨迹及基于控制障碍函数的安全过滤器，解决合流场景中混合交通下联网自动驾驶车辆的运动协调问题。
2023-09-07 cs.SY eess.SY
Re-Routing Strategy of Connected and Automated Vehicles Considering Coordination at Intersections
在本文中，我们提出了一种重路由策略连接和自动车辆（CAV），考虑协调和控制的所有CAV在网络中。每个CAV的目标是找到最小化所有CAV的总旅行时间的路线。我们协调CAV在无信号交叉口，以准确地预测行程时间的路由问题。虽然可以通过比较路线的所有可能组合来找到系统最优解决方案，但这可能会造成计算负担。因此，我们反而找到一个人对人的最佳解决方案，以减少计算时间，同时仍然得出一个更好的解决方案比自私的路由。我们验证我们的框架，通过模拟在网格网络。
2023-02-19 cs.SY eess.SY
Designing Automated Vehicle and Traffic Systems towards Meaningful Human Control
确保对自动驾驶汽车的操作控制并非易事，如果做不到这一点，将严重危及道路使用者的生命。必须采取综合办法，以确保所有代理人，包括驾驶员、乘客、车辆设计师和政府，都发挥各自的作用。虽然取得了进展，但问题的综合方法被忽视了，这主要可以通过考虑有意义的人类控制（MHC）来解决。在这项研究中，一个集成的系统邻近框架和操作过程设计方法，以协助开发的互联自动驾驶汽车（CAV）的考虑MHC。这些为车辆设计师和政府作为两个重要的影响利益相关者进行车辆和交通系统设计提供了更好的理解和基础。该框架包括一个系统的方法，它也认为可以通过更新的方式，MHC得到改善：无论是隐式近端更新或显式远端更新的扩展。最后通过三个案例从实践中说明了这一过程及其重要性。最后，呼吁政府和监管机构以及汽车行业采取行动，确保MHC过程明确纳入政策，法规和设计过程，以确保未来CAV的ad-vNavisphere以负责任，安全和人性化的方式进行。
2023-03-14 cs.SY eess.SY
Parking of Connected Automated Vehicles: Vehicle Control, Parking Assignment, and Multi-agent Simulation
针对网联自动驾驶车辆车队泊车效率优化问题，本文提出覆盖车辆控制与泊位分配的多车仿真框架，经真实停车场数据验证可使总泊车时间最高降低43.8%。
2025-11-14 cs.SY eess.SY
Safe Optimal Interactions Between Automated and Human-Driven Vehicles in Mixed Traffic with Event-triggered Control Barrier Functions
针对混合交通中HDV行为未知且难预测的问题，提出基于事件触发CBF的在线模型估计与数据驱动安全控制框架，将CAV最优控制转化为事件触发二次规划，确保无碰撞并验证其鲁棒性。
2023-10-01 cs.SY eess.SY
Investigating Driver Behavior in Complex Traffic Situations While Driving Partially Automated Vehicles
Technical University of Munich（慕尼黑工业大学）；BMW AG（宝马集团）
本研究通过真实城市交通中20名驾驶员的数据，分析了主观交通复杂度对驾驶员行为（车辆交互、注视模式、引导注视）的影响，发现随复杂度增加，速度偏差、制动率增加而制动强度降低，水平注视分散度和熵增大，引导注视率降低，为复杂度自适应部分自动化车辆提供了行为指标。
2026-07-02 cs.SY eess.SY
Path Following Control of Automated Vehicle Considering Uncertainties and Disturbances with Parametric Varying
针对自动驾驶车辆路径跟随控制未同时考虑模型不确定性、外部干扰和参数变化的问题，提出一种基于矩阵不等式的鲁棒模型预测控制及混合与切换系统理论的新方法，通过结合连续与离散状态修改系统矩阵以提升控制性能。
2023-10-19 cs.SY eess.SY
Fully Distributed Model Predictive Control of Connected Automated Vehicles in Intersections: Theory and Vehicle Experiments
我们提出了一个完全分布式的控制系统架构，适合在车内实施，其目的是安全地协调连接和自动化车辆（CAV）在道路交叉口。为了控制的目的，我们建立在一个完全分布式的模型预测控制方法，在该方法中，代理解决非凸最优控制问题（OCP）本地和同步，并通过车辆到车辆（V2V）通信交换其优化轨迹。为了适应非凸OCP的快速解决方案，我们采用惩罚凹凸过程，解决了原来的OCP的convexified版本。对于实验评估，我们补充预测控制器与本地化层，负责自定位，和估计器，它确定与其他代理的联合碰撞点。实验测试表明所提出的控制系统架构的有效性。
2022-03-24 cs.SY eess.SY math.OC
Towards a Functional System Architecture for Automated Vehicles
Audi AG（奥迪股份公司）；Stanford University（斯坦福大学）
本文提出了一种通用功能架构，用于自动驾驶车辆，该架构独立于具体实现，并基于Stadtpilot项目中的真实世界实现进行验证，涵盖环境感知、规划控制、定位、地图提供及人机交互等方面。
2017-03-30 cs.RO cs.SY eess.SY
Microsimulation of Energy and Flow Effects from Optimal Automated Driving in Mixed Traffic
在PTV VISSIM微观仿真环境中研究了一种新型的预期巡航控制器对能源和交通的影响。我们将控制器分为两部分：1.预期模式，当自动化车辆车队渗透率较低时，更立即有益，以及2.连接模式，有利于协调车辆跟随场景和适用于自主车辆特定应用的高度自动化车辆渗透。概率约束处理安全考虑，并且通过使用动力系统映射来表示车辆加速能力的约束。真实的交通场景，然后使用交通数据的时间车头时距分布建模。为了研究对一系列需求的影响，我们将输入车辆数量从低到高进行变化，然后将自动驾驶车辆渗透率从低到高进行变化。在研究全人类驾驶场景时，网络容量无法满足高流量场景的需求，例如高峰时段的交通。我们进一步发现，随着自动驾驶汽车的引入，利用概率约束来平衡安全性和交通紧凑性，网络容量得到了提高，以支持高容量的场景。最后，我们研究了传统，电动和混合动力汽车的车队的能源效率。我们发现，在考虑传统动力系统时，自动驾驶汽车的能效比人类驾驶员高出10% - 20%，在考虑电动和混合动力系统时，自动驾驶汽车的能效比人类驾驶员高出3% - 9%。由于平滑交通流的次级效应，能源效益也适用于与自动驾驶车辆相互作用的人类驾驶车辆。研究发现，这种模拟人类的驾驶比基准全人类情景中的能源效率高出10%。
2020-02-28 cs.SY eess.SY math.OC
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
DSRC & C-V2X Comparison for Connected and Automated Vehicles in Different Traffic Scenarios
研究一直致力于使连接和自动驾驶车辆（CAV）在不同的交通场景中更快。通过使用C-V2X或DSRC通信协议，CAV可以更有效地工作。在本文中，我们比较了这两种通信协议的CAV在三个不同的交通场景，包括匝道合并，交叉口，和排队制动。它表明，在将C-V2X或DSRC用于CAV时，通信范围和间隔之间存在权衡。研究结果可为CAV在不同交通场景下自主选择通信协议的应用设计提供支持。
2022-03-23 cs.NI cs.SY eess.SY
Connected Cruise and Traffic Control for Pairs of Connected Automated Vehicles
University of Michigan（密歇根大学）；California Institute of Technology（加州理工学院）
针对含互联自动驾驶车与人类驾驶车的混合交通，提出配对互联自动驾驶车的协同控制策略，可稳定中间车流，中等渗透率下即可显著提升交通串稳定性。
2023-06-12 cs.RO cs.SY eess.SY
Nonconvex Consensus ADMM for Cooperative Lane Change Maneuvers of Connected Automated Vehicles
互联和自动化车辆（CAV）为改善没有通信能力的自动化车辆（AV）的性能提供了巨大的潜力，特别是在车辆（或代理）需要合作以完成其操纵的情况下。密集交通中的变道机动，例如，对于非联网的自动驾驶汽车来说是非常具有挑战性的。为了缓解这个问题，我们提出了一个整体的分布式变道控制方案的CAV依赖于车辆到车辆的通信。将原来集中式的最优控制问题嵌入到基于共识的乘子框架的交替方向法中，以分布式滚动时域方式求解。虽然代理动力学使基本的最优控制问题的非凸，我们提出了一个问题的重新制定，允许获得收敛保证。在分布式环境中，每个智能体需要在本地求解一个非线性规划（NLP）。为了获得局部NLP的实时解，我们利用优化引擎OpEn，其实现用于最优控制的近似平均牛顿法（PANOC）。仿真结果证明了该方法的有效性和实时性。
2020-05-24 cs.SY eess.SY math.OC
Optimization-based Coordination of Traffic Lights and Automated Vehicles at Intersections
本文将信号化交叉口交通信号灯与自动驾驶车辆协调建模为混合整数非线性规划问题，提出上下层分解方法，利用下层解和参数优化技术通过序列二次规划求解，数值算例验证了其有效性。
2025-02-03 cs.SY eess.SY math.OC
Prediction-Based Reachability Analysis for Collision Risk Assessment on Highways
Delft University of Technology（代尔夫特理工大学）；Beijing Institute of Technology（北京理工大学）；Technische Universität Dresden（德累斯顿工业大学）
实时安全系统是智能汽车的关键组成部分。介绍了一种基于预测的高速公路碰撞风险评估方法。给定一个点质量车辆动力学系统，首先建立一个考虑二维运动且具有车辆状态概率分布的随机前向可达集。然后，我们开发了一个加速度预测模型，它提供了多模态概率加速度分布传播车辆状态。碰撞概率通过将两辆车在空间上重叠的状态的概率相加来计算。仿真结果表明，该预测模型在车辆运动位置误差方面具有优越的性能，所提出的碰撞检测方法能够灵活有效地识别切入碰撞事件中的碰撞。
2022-05-03 cs.AI cs.SY eess.SY
A Barrier-Certified Optimal Coordination Framework for Connected and Automated Vehicles
在本文中，我们扩展了一个框架，我们以前开发的连接和自动驾驶车辆（CAV）在无信号交叉口的协调，通过集成安全层使用控制障碍函数。首先，在我们的运动规划模块中，每个CAV使用简单的车辆动力学计算最佳控制轨迹。轨迹不会激活任何状态、控制和安全约束。车辆级跟踪控制器采用组合的前馈-反馈控制律来跟踪从运动规划模块得到的最优轨迹。然后，作为车辆级跟踪控制器和物理车辆之间的中间层的障碍证书模块接收来自车辆级跟踪控制器的控制律，并使用现实的车辆动力学确保状态、控制和安全约束都不会被激活。后者是通过二次规划实现的，可以实时有效地求解。我们证明了我们的扩展框架的有效性，通过数值模拟。
2022-03-30 cs.SY eess.SY math.OC
Time and Energy-Optimal Lane Change Maneuvers for Cooperating Connected Automated Vehicles
Boston University（波士顿大学）；Honda R&D Americas, Inc.（本田研发美洲公司）
本文研究了协同自动驾驶车辆在高速公路变道 maneuver 中的时间和能耗最优控制策略，通过证明最优策略的结构性质，简化了求解过程，并提供了分析最优控制表达式。仿真结果展示了所提方法的有效性及相较于人工驾驶车辆的显著性能提升。
2019-11-30 cs.CY cs.SY eess.SY
Evaluation of Automated Vehicles Encountering Pedestrians at Unsignalized Crossings
University of Michigan（密歇根大学）
本文提出了一种评估自动驾驶车辆在无信号交叉口与行人互动安全性和可行性的新方法，通过分析数据和模拟行人反应，验证了自动驾驶策略的有效性。
2017-03-28 cs.MA cs.RO cs.SY
Optimal Trajectory Planning for Connected and Automated Vehicles in Lane-free Traffic with Vehicle Nudging
本文提出了一种最优控制方法，连接和自动驾驶车辆（CAV）的移动策略，在无车道的交通环境中的车辆轻推。控制输入上的状态依赖约束被认为是确保车辆在道路边界内移动，并防止碰撞。一个目标函数，包括各种加权的子目标，设计，其最小化导致车辆前进在所需的速度，在可能的情况下，同时避免障碍物。一个非线性最优控制问题（OCP）制定的目标函数的最小化受到约束的每辆车。在模型预测控制（MPC）框架内，基于事件触发的可行方向算法（FDA）可以实时计算有限时域内的数值解。该方法适用于道路上的每一辆车，同时运行模拟无车道的环路上，广泛的车辆密度和不同类型的车辆。从模拟，创建无数的驾驶情节为每个涉及的车辆，它是观察到，所提出的方法是非常有效的提供安全，舒适和高效的车辆轨迹，以及高交通流量的结果。该方法正在研究中，以进一步用于CAV交通的各种无车道道路基础设施。
2023-02-01 cs.SY eess.SY math.OC
A Unified Taxonomy for Automated Vehicles: Individual, Cooperative, Collaborative, On-Road, and Off-Road
RISE Research Institutes of Sweden（瑞典RISE研究院）；Qamcom Research and Technology AB（Qamcom研究与技术公司）
本文回顾并扩展了自动驾驶车辆分类法，涵盖单车、协同与协作AVs在公路与非公路场景下的用例，并引入新协作类别及适用于额外功能的自动化等级。
2023-04-05 cs.RO cs.SY eess.SY
Conflict-free Cooperation Method for Connected and Automated Vehicles at Unsignalized Intersections: Graph-based Modeling and Optimality Analysis
Tsinghua University（清华大学）
互联和自动驾驶汽车在改善交通流动性和减少排放方面显示出巨大的潜力，特别是在无信号交叉口。已有研究表明，车辆通行顺序是提高交叉口交通流动性的关键影响因素。本文提出了一种基于图的协作方法，对无信号交叉口的无冲突调度问题进行了形式化描述。基于图形分析，将车辆的轨迹冲突关系建模为冲突有向图和共存的无向图。在此基础上，提出了两种基于图的车辆通行顺序求解方法。第一种是改进的深度优先生成树算法，该算法的目的是寻找局部最优的车辆通过顺序。另一种新的方法是最小团覆盖算法，它确定全局最优解。最后，提出了一种分布式控制框架和通信拓扑结构，以实现车辆的无冲突协作。针对不同的车辆数和交通量进行了大量的数值仿真，仿真结果证明了所提算法的有效性。
2022-04-28 cs.RO cs.SY eess.SY
Vehicle Security: Risk Assessment in Transportation
Virginia Tech（弗吉尼亚理工大学）
本文研究了智能交通系统中车辆安全的风险评估，通过聚合个体风险、构建风险模型和使用影响-可能性矩阵，评估车辆网络被入侵的后果，为政策制定者和工程师提供风险分析依据。
2018-08-07 cs.CR cs.SY eess.SY
Quick Learner Automated Vehicle Adapting its Roadmanship to Varying Traffic Cultures with Meta Reinforcement Learning
University of Michigan（密歇根大学）；Ford Motor Company（福特汽车公司）
在各种交通文化和驾驶条件下，自动驾驶车辆在野外以适当的道路驾驶技术（安全有效地驾驶，而不打扰或危及其他道路使用者）执行任意车道变换至关重要。虽然深度强化学习方法近年来表现出色，并被应用于自动驾驶汽车策略，但人们担心它们是否能够快速适应新环境动态下看不见的交通。我们将这一挑战表述为多马尔可夫决策过程（MDP）适应问题，并开发了Meta强化学习（MRL）驱动策略，以展示其快速学习能力。两种类型的分布变化的环境中设计和模拟，以验证快速适应能力的MRL驾驶策略，显着优于基线RL。
2021-04-18 cs.LG cs.SY eess.SY
A Nonlinear Model Predictive Control for Automated Drifting with a Standard Passenger Vehicle
BMW Group（宝马集团）；Delft University of Technology（代尔夫特理工大学）
本研究提出一种含离线平衡映射、预测控制、路径跟踪三模块的非线性模型预测控制方法，可实现标准乘用车在不同摩擦工况下稳定维持30度侧偏角的自动漂移，仿真最大横向偏差仅1米。
2024-05-17 cs.RO cs.SY eess.SY
Conformal Prediction of Motion Control Performance for an Automated Vehicle in Presence of Actuator Degradations and Failures
Institute for Control Engineering, TU Braunschweig（布伦瑞克工业大学控制工程研究所）
本文提出一种数据驱动的保形预测方法，用于在执行器退化或故障时评估自动驾驶车辆运动控制性能，并在运行时为确定容许动作空间提供启发式方法。
2024-07-29 cs.RO cs.SY eess.SY
Mcity Data Collection for Automated Vehicles Study
University of Michigan（密歇根大学）
本文的主要目标是介绍Mcity针对自动驾驶汽车开发的数据汇集工作。我们从一组感知传感器（激光雷达、雷达、摄像头）以及车辆转向/制动/油门输入和RTK单元捕获了一组全面的数据。两个车内摄像头记录人类驾驶员的行为，以备将来使用。在选定的开放道路上的自然驾驶记录在不同的时间和天气条件。我们还在Mcity测试设施内进行了精心设计的数据汇集，重点是车辆与车辆以及车辆与易受伤害的道路用户交互，这在现有的开源数据集中是非常独特的。本文显示了车辆平台、数据内容、标记/标签和选定的分析结果。
2019-12-12 cs.CV cs.RO cs.SY
