Robust Nonlinear Data-Driven Predictive Control for Mixed Vehicle Platoons via Koopman Operator and Reachability Analysis
针对混合车辆队列中非线性动力学与噪声、扰动、攻击等不利因素，提出基于Koopman算子和矩阵zonotope可达集分析的鲁棒非线性数据驱动预测控制框架，并通过滚动时域优化实现安全最优控制，仿真验证其跟踪性能显著优于基线方法。
2025-11-06 cs.SY eess.SY
Deep Koopman risk-preview supervised LTV-MPC for direct yaw moment control of distributed drive electric vehicles
College of Mechanical and Vehicle Engineering, Chongqing University（重庆大学机械与车辆工程学院）；Department of Automotive Engineering, Hanyang University（汉阳大学汽车工程系）；School of Vehicle Engineering, Chongqing University of Technology（重庆理工大学车辆工程学院）
针对分布式驱动电动汽车DYC易在低风险工况下过度干预的问题，提出KRG-LTV-MPC框架，结合深度Koopman模型进行风险门控，在保障稳定性的同时减少了43.9%的横摆力矩干预。
2026-08-11 cs.SY eess.SY
Koopman Resolvent: A Laplace-Domain Analysis of Nonlinear Autonomous Dynamical Systems
我们的研究动机是建立一个拉普拉斯域理论，提供原则和方法来分析和综合系统的非线性动力学。定义为非线性自治动力系统的复合算子半群--Koopman半群及其相关的Koopman生成元--在本研究中起着核心作用。我们介绍的Koopman生成器的预解式，我们称之为Koopman预解式，并提供其三种类型的非线性动力学的谱表征：遍历演化的吸引子，收敛到一个稳定的平衡点，收敛到一个（准）稳定极限环。这表明库普曼预解式提供了这种非线性自治动力学的拉普拉斯域表示。一个计算方面的拉普拉斯域表示也讨论了非平稳库普曼模式的重点。
2021-05-06 cs.SY eess.SY math.DS
Dictionary-free Koopman Predictive Control for Autonomous Vehicles in Mixed Traffic
本文提出无字典库普曼模型预测控制（DF-KMPC），通过行为视角和迭代算法直接构建数据驱动的线性表示，避免了提升函数选择与平衡状态更新问题，并在混合交通仿真中验证了其抑制交通波和提升跟踪性能的效果。
2025-04-08 cs.SY eess.SY math.OC
Multi-Step Deep Koopman Network (MDK-Net) for Vehicle Control in Frenet Frame
Mechanical and Aerospace Engineering of University of California, Davis（加州大学戴维斯分校机械与航空航天工程学院）
本文提出了一种基于深度学习的Koopman建模方法，用于在Frenet框架内实现车辆控制，通过多步深度Koopman网络提升路径规划和跟随的控制性能。
2025-03-04 cs.LG cs.RO cs.SY
Data-Driven Observer Synthesis for Autonomous Limit Cycle Systems through Estimation of Koopman Eigenfunctions
本文针对平面极限环系统，提出一种基于Koopman算子的数据驱动KKL观测器构造方法，将内射映射求解转化为最小二乘回归与核岭回归问题，并在Brusselator系统上验证了状态估计精度。
2025-09-20 cs.SY eess.SY
Physics-informed Deep Mixture-of-Koopmans Vehicle Dynamics Model with Dual-branch Encoder for Distributed Electric-drive Trucks
School of Vehicle and Mobility, and State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University, Beijing, China（车辆与移动系统学院和智能绿色车辆与移动系统国家重点实验室，清华大学，北京，中国）；KargoBot Inc., Beijing, China（KargoBot公司，北京，中国）
本文提出了一种基于Koopman算子理论的全数据驱动方法，用于复杂分布式电动卡车的动力学建模，通过双分支编码器和物理信息监督机制提升建模精度和兼容性。
2026-03-18 cs.RO cs.SY eess.SY
Koopman Operator Framework for Modeling and Control of Off-Road Vehicle on Deformable Terrain
Clemson University（克莱姆森大学）
本文提出一种混合物理信息与数据驱动的建模框架，用于自主非公路车辆在变形地形上的预测控制。通过Koopman算子方法将复杂地形力学和车辆动力学线性化，并利用递归子空间识别方法从模拟数据中识别Koopman算子，实现与物理系统数据的无缝更新。
2026-04-09 cs.RO cs.SY eess.SY
Adaptive Deep Koopman Operator for Vehicle Dynamics Modeling: A Physics-Informed and Tire-Force-Driven Approach
Chongqing University（重庆大学）；Hanyang University（汉阳大学）；Chongqing University of Technology（重庆理工大学）
针对深度库普曼算子在在线应用中因高维提升状态空间导致的秩亏问题，提出一种轮胎力驱动建模框架，通过嵌入7自由度动力学约束和物理信息变步长归一化最小均方算法，实现稳定在线更新，在CarSim和dSPACE硬件在环测试中验证了鲁棒精度与实时性。
2026-06-16 cs.SY eess.SY
Koopman Operator-based Detection-Isolation of Cyberattack: A Case Study on Electric Vehicle Charging
针对信息物理系统面临的网络攻击威胁，提出基于Koopman算子的无模型攻击检测-隔离方案，经电动汽车充电仿真验证可有效检测隔离驱动与传感器攻击。
2024-06-24 cs.SY eess.SY math.OC
Koopman-Based Methods for EV Climate Dynamics: Comparing eDMD Approaches
本文应用基于Koopman算子理论的数据驱动算法识别和预测轻型电动汽车气候系统非线性动力学，比较了三种eDMD方法，并验证了其在整个驾驶循环中准确预测功耗的能力，为节能汽车气候管理提供了可扩展的实时预测与控制方法。
2025-04-04 cs.SY eess.SY
Distributed Switching Model Predictive Control Meets Koopman Operator for Dynamic Obstacle Avoidance
本文提出一种结合Koopman算子的分布式切换模型预测控制框架，用于无人机在动态障碍环境中的安全避让与协同控制。
2025-11-28 cs.SY eess.SY
Model predictive traction control system based on the Koopman operator
University of Zagreb, Faculty of Electrical Engineering and Computing（萨格勒布大学电气工程和计算学院）
本文针对车辆牵引力控制问题，提出基于Koopman算子与模型预测控制的系统，经仿真验证其跟踪性能与非线性控制器相当，且执行时间更短。
2026-08-27 cs.SY eess.SY
Deep Bilinear Koopman Model for Real-Time Vehicle Control in Frenet Frame
Department of Mechanical and Aerospace Engineering, University of California Davis（加州大学戴维斯分校机械与航空航天工程系）
本文提出深度双线性库普曼模型，在Frenet坐标系中同时学习库普曼算子与不变子空间，并结合累积误差调节器实现车辆实时MPC控制，经硬件在环实验验证显著降低跟踪误差。
2025-07-16 cs.LG cs.RO cs.SY
Control-Coherent Koopman Modeling: A Physical Modeling Approach
本文将 Koopman 算子理论扩展至非自治控制系统，提出包含精确输入矩阵 B 的 Control-Coherent Koopman Model，解决了现有方法因近似 B 矩阵导致的控制器误导问题，在机械臂等系统实验中表现优于 DMDc。
2024-08-22 cs.SY eess.SY
Residual Koopman Model Predictive Control for Enhanced Vehicle Dynamics with Small On-Track Data Input
State Key Laboratory of Industrial, Zhejiang University（工业-state key laboratory，浙江大学）
针对车辆轨迹跟踪中传统模型预测控制依赖精确模型且计算复杂的问题，提出残差Koopman模型预测控制（RKMPC），结合线性MPC与神经网络残差补偿，仅需20%训练数据即提升跟踪精度并降低横向误差11.7%-22.1%。
2025-08-05 cs.RO cs.SY eess.SY
Analytical Large-Signal Modeling of Inverter-based Microgrids with Koopman Operator Theory for Autonomous Control
针对微电网非线性导致的大信号建模难题，本文基于Koopman算子理论设计观测函数，解析推导出保留一次与零控制级动态的大信号线性微电网模型，并利用LQI方法验证了其精确控制能力与通用性。
2023-04-19 cs.SY eess.SY
Participation Factors for Nonlinear Autonomous Dynamical Systems in the Koopman Operator Framework
本文将参与因子概念从线性时不变系统推广到非线性动力系统，在Koopman算子框架下将其定义域扩展至整个吸引域，并提出基于动态模式分解的数值估计方法。
2024-09-16 cs.SY eess.SY math.DS
Distributed Koopman Operator Learning for Perception and Safe Navigation
Chalmers University of Technology（查尔姆斯理工大学）；Beijing Institute of Technology（北京理工大学）；Politecnico di Milano（米兰理工大学）
本文提出一种结合模型预测控制与分布式Koopman算子学习的框架，用于在动态交通环境中实现安全高效的自主导航。
2026-01-05 cs.SY eess.SY
On the Existence of Koopman Linear Embeddings for Controlled Nonlinear Systems
Contextual Robotics Institute, UC San Diego（加州大学圣地亚哥分校情境机器人研究所）；Department of Computing and Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系）
本文研究了受控非线性系统Koopman线性嵌入存在的条件，提出CAP结构作为必要条件，并通过符号程序判断系统是否具备该结构以区分近似误差来源。
2026-02-16 cs.SY eess.SY math.OC
Utility of the Koopman operator in output regulation of disturbed nonlinear systems
本文利用Koopman算符将一类受匹配输入扰动的非线性系统输出调节问题转化为双线性输出调节问题，并证明线性动态输出反馈控制器可局部解决该问题，数值结果验证了方法的有效性。
2023-09-15 cs.SY eess.SY
Koopman-inspired Implicit Backward Reachable Sets for Unknown Nonlinear Systems
针对未知非线性系统的控制问题，提出基于Koopman过近似的构造即正确状态反馈控制方法，通过提升空间的受控前驱操作得到隐式后向可达集，并在两个实例上验证有效性。
2023-06-12 cs.SY eess.SY
A Comparison between Markov Chain and Koopman Operator Based Data-Driven Modeling of Dynamical Systems
本文比较了马尔可夫链与库普曼算子两种数据驱动建模方法，阐明其在自主系统中的相似性，并针对受控系统介绍对应模型与控制设计，通过数值实验比较精度和计算效率。
2024-04-01 cs.SY eess.SY math.OC
Vehicular Applications of Koopman Operator Theory -- A Survey
Koopman算子理论已被证明是解决非线性系统辨识和全局线性化问题的一种很有前途的方法。近一个世纪以来，一直没有有效的方法来计算应用工程目的的库普曼算子。最近引入的计算效率高的方法在流体动力学的背景下，这是基于系统动力学分解成一组正常模式的降序，克服了这个长期存在的计算障碍。Koopman算子的纯数据驱动性质使其有望捕获用于降阶模型生成和系统辨识的未知和复杂动态，通过这些降阶模型生成和系统辨识，可以利用线性控制技术的丰富机制。鉴于这一研究领域的持续发展和智能移动和车辆工程领域中存在的许多开放性问题，有必要对将Koopman算子理论应用于这一充满活力的领域的技术和开放性挑战进行调查。本文重点介绍了近年来出现的Koopman运营商的各种解决方案，特别是那些专注于移动应用的解决方案，从表征和组件级控制操作到车辆性能和车队管理。此外，对100多篇研究论文的全面审查突出了Koopman算子理论应用于各种车辆应用的广泛性，并对应用的基于Koopman算子的算法类型进行了详细分类。此外，本文还讨论了Koopman算子理论的理论方面，这些理论在很大程度上被智能移动和车辆工程界所忽视，但对解决这些领域的开放问题有很大的潜力。
2023-03-21 cs.RO cs.SY eess.SY
Wheel-loader V-Cycle Automation with Deep Koopman MPC
University of California, Davis（加州大学戴维斯分校）
本文提出一种结合几何规划与数据驱动深度Koopman MPC的分层框架，实现轮式装载机V型循环作业的实时自主控制，并在高保真仿真中验证了准确性与高效性。
2026-09-23 cs.RO cs.SY eess.SY
Resilient Voltage Estimation for Battery Packs Using Self-Learning Koopman Operator
Texas Tech University（德克萨斯理工大学）
本文提出一种基于自学习Koopman算子的两阶段误差校正方案，用于在传感器攻击下实现大容量电池组的高精度实时电压估计。
2026-08-18 cs.SY eess.SY
Distributed Koopman Learning using Partial Trajectories for Control
Purdue University（普渡大学）；SAAB Inc.（萨博公司）
本文提出基于部分轨迹的分布式深度Koopman学习方法，用于多智能体系统中动力学学习与控制优化。
2026-03-11 cs.SY eess.SY
Estimate of Koopman modes and eigenvalues with Kalman Filter
本文提出一种基于集合卡尔曼滤波器的自适应方法，从含噪测量中持续更新库普曼模态与特征值，可扩展至非自治系统并准确恢复短时特征对，理论分析与实验验证了其有效性。
2024-09-24 cs.SY eess.SY math.PR
On the equivalence of contraction and Koopman approaches for nonlinear stability and control
本文证明了Koopman算子框架与收缩分析在非线性系统稳定性分析与控制设计中的等价性，并基于Koopman方法与KKL观测器的新联系提出从轨迹数据学习收缩度量的方法。
2023-09-21 cs.SY eess.SY
Event-Based Adaptive Koopman Framework for Optic Flow-Guided Landing on Moving Platforms
Indian Institute of Science（印度科学学院）
本文提出一种基于库普曼算子的自适应事件驱动MPC方法，利用单目光流实现资源受限UAV在移动平台上的鲁棒软着陆，并通过收敛性分析和仿真验证其优于非自适应及时间触发方案。
2025-02-04 cs.RO cs.SY eess.SY
Learning Stable Koopman Embeddings for Identification and Control
本文提出具有稳定性与可镇定性内置保证的新型库普曼模型参数化方法，通过直接参数化实现无约束优化，并在非线性系统辨识与模仿学习中验证其优于缺乏稳定性保证的先前方法。
2025-05-08 cs.SY eess.SY
Optimal Synthesis of LTI Koopman Models for Nonlinear Systems with Inputs
针对带输入非线性系统的Koopman方法实际得到LPV模型而非LTI模型的问题，提出基于l2增益和广义H2范数的最优LTI Koopman近似方法，效果优于EDMD方案。
2023-12-15 cs.SY eess.SY
Differential Geometric Conditions for Koopman Linearizability of Control-Affine Systems
Aalto University（阿尔托大学）
提出控制仿射非线性系统存在Koopman线性变换必须满足的漂移与控制向量场的微分几何条件，并证明这些条件在控制不变流形上对弱Koopman线性化的充分性，以及加上额外条件后对可控线性系统Koopman线性化的充要性。
2026-06-12 cs.SY eess.SY math.OC
Optimizing AUV speed dynamics with a data-driven Koopman operator approach
School of Automation, Qingdao University（青岛大学自动化学院）；PLA Naval Submarine Academy（中国人民解放军海军潜艇学院）
针对 AUV 多变量非线性速度动力学及状态、输入和增量输入约束，提出数据驱动 Koopman 算子与 MPC 结合的控制方法，并基于 ROS2 和 Gazebo 验证其有效性。
2025-03-11 cs.RO cs.SY eess.SY
Stable Fiber-Koopman Residual Dynamics for Environment-Constrained Robust Control
College of Engineering and Physical Sciences, Khalifa University（卡利亚法大学工程与物理科学学院）
本文提出了一种统一的框架，同时解决环境感知的几何一致性、潜在空间稳定性认证和残差扰动传播的有界性问题，通过构建纤维束潜在流形、环境条件化的科普曼算子和收缩约束残差神经网络，实现对自动驾驶车辆在变化表面条件和风扰下的路径跟踪控制。
2026-05-16 cs.SY eess.SY
Representer Theorem for Learning Koopman Operators
研究了离散自治系统的Koopman算子学习问题。学习问题被制定为一个约束正则化的经验损失最小化在无限维空间的线性算子。我们表明，在一定的，但一般的条件下，一个代表定理持有的学习问题。这允许在有限维空间中重新表达问题，而没有任何近似和精度损失。在此之后，我们考虑学习问题中正则化和约束的各种情况，包括算子范数，Frobenius范数，秩，核范数和稳定性。随后，我们推导出相应的有限维问题。此外，我们讨论了建议的配方和扩展的动态模式分解之间的联系。最后，我们提供了一个说明性的数值例子。
2022-08-02 cs.SY eess.SP eess.SY
K-BMPC: Derivative-based Koopman Bilinear Model Predictive Control for Tractor-Trailer Trajectory Tracking with Unknown Parameters
针对参数未知的拖挂式车辆轨迹跟踪难题，提出基于导数的Koopman双线性模型预测控制方法K-BMPC，通过构建提升函数建立等价双线性模型，将控制问题转化为二次规划求解，兼具高跟踪精度与良好计算效率。
2024-05-14 cs.SY eess.SY
A Highway Toll Lane Framework that Unites Autonomous Vehicles and High-occupancy Vehicles
我们考虑的情况下，具有低/高占用率的人类驾驶/自动驾驶车辆共享一段高速公路，自动驾驶车辆能够通过保持比人类驾驶车辆更短的车头时距来增加交通吞吐量。我们提出了一个收费车道框架，高速公路上的一条车道自由地保留给具有高占用率的自动驾驶车辆，这些车辆具有最大的社会流动性，其他三类车辆可以选择使用收费车道或自由使用其他常规车道。假设所有车辆只对最小化其自身的旅行成本感兴趣。我们探索由此产生的车道选择均衡的框架下，并建立理想的属性的均衡，其中隐含的高占用车辆与自动驾驶汽车的能力，以增加社会流动性。我们进一步使用最佳收费设计，占用阈值设计和政策设计问题中的数值例子来阐明这种将高占用车辆和自动驾驶车辆结合在一起的收费车道框架的各种潜在应用。据我们所知，这是第一项系统研究收费车道框架的工作，该框架将自动驾驶车辆和道路上的高占用车辆结合起来。
2021-07-26 cs.SY eess.SY
No-Regret Model Predictive Control with Online Learning of Koopman Operators
本文提出了一种结合Koopman算子在线学习的无遗憾模型预测控制算法，用于处理具有未知残差动力学的非线性系统。
2025-12-10 cs.SY eess.SY
Data-Driven Reachability of Nonlinear Lipschitz Systems via Koopman Operator Embeddings
TUM School of Computation, Information, and Technology (CIT), Technical University of Munich (TUM)（慕尼黑工业大学计算、信息与技术学院）
本文提出基于Koopman算子和zonotopic集合表示的数据驱动可达性框架，通过将非线性系统提升为有限维线性模型，减少保守性并保持形式安全保证，实验证明其在长预测范围内的可达集近似更精确。
2026-08-12 cs.SY eess.SY
Koopman Form of Nonlinear Systems with Inputs
本文针对带输入的非线性系统解析推导了提升的Koopman形式，证明其输入矩阵具有状态依赖性并构成LPV描述，为系统辨识与控制技术选择提供了理论依据与误差界限。
2023-12-15 cs.SY eess.SY
Data Driven Modeling of Turbocharger Turbine using Koopman Operator
涡轮增压器在减少排放和提高道路车辆的燃油效率方面发挥着重要作用。废气的脉动流以及来自涡轮增压器壳体的高热交换使得开发面向控制的模型变得困难。一些研究人员使用制造商提供的地图来解决这个问题。这些图通常不能包含任何热传递效应，并且不适用于宽的操作区域。此外，随着更多和更好的传感器数据的可用性，需要一种可以利用这一点来获得更好的预测模型的方法。Koopman方法依赖于这样的观察，即可以将涡轮机的非线性动力学提升到动力学是线性的无限维函数空间中。本文的目的是开发一个模型来预测的瞬态和稳态行为的涡轮使用Koopman操作，这可以帮助控制设计和分析。我们的做法如下。我们使用的实验数据从康明斯重型柴油机开发的涡轮模型，使用扩展动态模式分解，它近似的行动Koopman运营商的有限维子空间上的可观的空间。结果表明，与文献中广泛使用的外源输入模型的调谐非线性自回归网络相比，该网络具有更优越的性能。这两个模型的性能分析的基础上，他们的能力，以预测涡轮机的瞬态和稳态行为。
2022-08-26 cs.SY eess.SY
Exploring the Use of Autonomous Unmanned Vehicles for Supporting Power Grid Operations
本文提出一种基于优化的可处理方法，将自主无人车辆作为“移动电池”策略性调度到目标位置，以维持电网功率平衡、降低运行成本，并通过数值研究验证其有效性和可扩展性。
2025-02-07 cs.SY eess.SY
A Koopman Operator Approach to Data-Driven Control of Semilinear Parabolic Systems
针对未知边界控制半线性抛物系统的数据驱动镇定问题，提出基于Koopman算子特征泛函提升动力学、双线性化与反馈线性化结合的方法，通过广义eDMD从状态数据直接设计控制器，验证了误差下闭环指数稳定性并通过反应扩散系统实例验证有效性。
2025-04-16 cs.SY eess.SY
Adaptive Optimization of Autonomous Vehicle Computational Resources for Performance and Energy Improvement
自动驾驶汽车通常会消耗大量的计算能力来进行操作，特别是使用人工智能算法进行传感和感知的任务。这样的计算不仅可能花费大量的能量，而且当机载计算资源有限时还可能导致性能问题。为了解决这个问题，本文提出了一种自适应优化方法，根据车辆所面临的情况的上下文，在多个车辆子系统之间在线分配自主车辆的车载计算资源。设计了不同的自动驾驶场景来验证所提出的方法，结果表明，与现有的计算安排相比，它可以帮助提高自动驾驶汽车的整体性能和能源消耗。
2021-07-30 cs.SY eess.SY
Autonomous Cooperative Levels of Multiple-Heterogeneous Unmanned Vehicle Systems
针对多异构无人车系统自主协同缺乏明确定义与等级划分的问题，本文明确了其自主协同概念，并提出等级划分标准以评估系统技术成熟度。
2024-05-15 cs.SY eess.SY
Mitigating Traffic Oscillations in Mixed Traffic Flow with Scalable Deep Koopman Predictive Control
School of Transportation, Southeast University, Nanjing, China, 211189（东南大学交通学院）；Jiangsu Key Laboratory of Urban ITS, Nanjing, China, 210096（江苏省城市智能交通重点实验室）；Jiangsu Collaborative Innovation Center of Modern Urban Traffic Technologies, Nanjing, China, 210096（江苏省现代城市交通技术协同创新中心）；Department of Civil Engineering, Institute of Transport Studies, Monash University, Melbourne, Australia, VIC 3800（莫纳什大学土木工程系）；College of Transportation Engineering, Tongji University, Shanghai, PR China, 201804（同济大学交通工程学院）
本文提出了一种自适应深度Koopman预测控制框架，通过学习HDV的跟车动力学来提高混合交通流的稳定性，实现低计算成本的高效控制。
2025-08-10 cs.AI cs.SY eess.SY
Adaptive Robust Game-Theoretic Decision Making for Autonomous Vehicles
在典型的交通场景中，自动驾驶车辆需要与其他道路参与者共享道路，例如，人类驾驶的车辆、行人等。为了成功地在交通中导航，自主代理可以使用诸如级别k框架的认知层次理论来基于代理的策略思想的深度对代理进行分类，并相应地采取行动。然而，车辆动力学及其预测之间的不匹配，以及代理的不正确分类可能导致不期望的行为或碰撞。鲁棒方法可以处理不确定性，然而，可能导致自主车辆的保守行为。本文提出了一种自适应鲁棒决策策略，自动驾驶汽车处理模型的预测模型中的模型失配，同时利用驾驶员行为的信心，以获得不太保守的行动。在高速公路驾驶场景中的车道变换操纵所提出的方法的有效性进行了验证。
2019-09-23 cs.SY eess.SY
Koopman Control Factorization: Data-Driven Convex Controller Design for a Class of Nonlinear Systems
本文提出Koopman控制分解，通过半定规划凸优化设计反馈控制器，实现非线性系统（如倒立摆）的快速、可验证稳定，无需近似。
2025-10-06 cs.SY eess.SY
Koopman Analytical Modeling of Position and Attitude Dynamics: a Case Study for Quadrotor Control
本文提出一种基于Koopman算子的位置与姿态动力学解析建模方法，通过在提升状态空间中的有限截断实现非线性系统的精确线性表示，并以四旋翼UAV为案例验证了其能用单一控制回路有效解决欠驱动控制问题。
2024-07-23 cs.SY eess.SY
Docking of Autonomous Vehicles with a Stationary Docking Station in 3D Space
Indian Institute of Technology Bombay（印度理工学院孟买分校）
提出一种基于有限时间滑模的自主对接策略，利用距离和视线运动学使车辆在三维空间中安全对齐并减速至零速完成对接，通过MATLAB仿真验证了有效性。
2026-07-20 cs.SY eess.SY
Impact of Disturbances on Mixed Traffic Control with Autonomous Vehicles
本文研究了干扰对控制自动驾驶汽车以平滑环路设置中的混合交通流的影响。通过利用该系统的环结构，它表明，速度扰动影响任何车辆上的环进入一个不可控的和边缘稳定的模式定义的相对车辆间距的总和。然后，这些干扰被系统集成，并且不能通过控制自动驾驶车辆来解除。特别是，如果速度扰动是零均值高斯，那么环上的交通流将经历随机游走，方差无限增长，并独立于所应用的控制策略。相比之下，加速度扰动的影响是良性的，因为这些扰动不会进入不可控模式，这意味着它们可以使用自动驾驶车辆轻松调节。研究结果支持和补充了已有的理论分析和现场试验。
2020-08-12 cs.SY eess.SY
Increasing Traffic Throughput by Controlling Autonomous Vehicles at Low Penetration Rates
人类驾驶员可能会以不精确/不稳定的方式行事，导致对交通吞吐量有害的交通振荡。最近的现场实验表明，对单个自动驾驶车辆（AV）的控制可以增加环形测试轨道上的交通吞吐量，并减少直道上的交通振荡。我们考虑一个混合的交通环境，包括人类和自动驾驶汽车，其目标是找到一个控制策略，自动驾驶汽车，最大限度地提高交通吞吐量，防止振荡的速度。我们制定这个问题作为一个优化问题，可以解决基于梯度的优化。环形道路上的数值实验表明，优化后的控制策略使交通吞吐量提高了28%。
2019-11-28 cs.SY eess.SY
Decision Making for Autonomous Vehicles at Unsignalized Intersection in Presence of Malicious Vehicles
National Institute of Informatics（国立情报学研究所）；Japanese-French Laboratory for Informatics（日法信息学联合实验室）
本文研究了在存在恶意车辆的情况下，自动驾驶车辆在无信号交叉口的决策问题，通过博弈论方法分析车辆优先权顺序，并通过数值模拟验证了不同恶意车辆场景下的方法有效性。
2019-10-03 cs.SY eess.SY
