Stability Analysis of Nonlinear Inviscid Microscopic and Macroscopic Traffic Flow Models of Bidirectional Cruise-Controlled Vehicles
本文介绍了一种新的双向微观无粘自适应巡航控制（ACC）模型，该模型只使用来自前车和后车的间距信息，以选择适当的控制动作，以避免碰撞并保持期望的速度。给出了保证ACC模型一致收敛性的KL估计。此外，相应的宏观模型推导，包括一个守恒方程和动量方程，其中包含一个非线性弛豫项。它表明，如果密度是足够小的，那么宏观模型有一个解决方案，以指数方式接近平衡速度（在超规范），而密度指数收敛到行波。还提供了数值模拟，说明了微观和宏观无粘ACC模型的属性。
2021-09-20 cs.SY eess.SY math.DS
Adaptive Leading Cruise Control in Mixed Traffic Considering Human Behavioral Diversity
本文提出了一种自适应的领先巡航控制策略的连接和自动驾驶汽车（CAV），并首先考虑其对以下的人类驾驶的车辆（HDV）具有不同的驾驶特性的影响，在统一的优化框架，以提高整体的能源效率。HDV的跟车行为使用下一代仿真数据集进行统计校准。在典型的单车道车辆跟驰场景中，CAVs和HDV共享道路，CAVs的纵向速度控制可以通过避免不必要的加速和制动来大幅降低跟驰HDV的能耗。此外，除了车辆跟驰安全和交通效率等目标外，CAV和HDV的能量效率都被纳入强化学习的奖励函数中。从历史速度信息中实时学习后续HDV的特定驾驶模式，以预测其在优化范围内的加速度和功耗。仿真结果表明，在不确定性和驾驶行为多样性的情况下，CAV对混合交通流的整体能效有积极的影响.仿真结果表明，整体能源效率平均提高了4.38%。
2022-10-05 cs.SY eess.SY
Impact of Communication Loss on MPC based Cooperative Adaptive Cruise Control and Platooning
通过自动车辆系统之间的通信实现的协同驾驶预计将大大有助于运输安全和效率。协同自适应巡航控制（CACC）和编队是目前正在研究的两个主要的协同驾驶应用。这些应用与自适应巡航控制（ACC）等当前先进的驾驶员辅助系统相比，具有显著的改进。CACC和排队的主要动机是减少交通拥堵，提高交通流量、交通吞吐量和公路通行能力。这些应用需要有效的控制器来考虑计算成本并确保驾驶舒适性和高响应性。模型预测控制的优点是，我们可以实现高的控制性能，因为这些应用的所有约束可以显式地处理，通过解决一个优化问题。这些应用程序的安全性和稳定性对信息的更新和通信的可靠性有很大的依赖。在本文中，我们提出了一个模型预测控制（MPC）为基础的方法CACC和队列，并研究通信损耗的影响的性能和鲁棒性的控制方案。结果表明，响应时间和字符串稳定性的改善，表现出合作的潜力，以减少干扰，改善交通流量。
2021-06-16 cs.SY eess.SY
Privacy-Preserving Data-Enabled Predictive Leading Cruise Control in Mixed Traffic
本文针对混合交通中CAVs数据驱动预测控制面临的隐私泄露问题，提出基于仿射掩码的隐私保护数据驱动预测性前导巡航控制方案，在抵御窃听攻击的同时保持控制性能且计算开销低。
2023-10-31 cs.SY eess.SY
Fundamental Diagrams of Commercial Adaptive Cruise Control: Worldwide Experimental Evidence
商用自适应巡航控制（ACC）车辆\RoundTwo{are}的实验测量越来越多地从世界各地，提供了一个前所未有的机会，研究交通流特性，从这项技术。本文增加了新的实验证据，这一知识基础，并提出了一个全面的实证研究ACC的平衡行为，通过由此产生的基本图。我们发现，像人类驾驶的车辆，ACC系统显示出线性平衡的空间-速度关系（在可用数据的范围内），但这些关系的关键参数可能与人类驱动的交通有很大不同，这取决于输入设置：在最小车头时距设置下，观察到超过3500辆/小时的平衡容量，加上平均每小时100公里的极快平衡波速。这些快速波对于人类驾驶员来说是不熟悉的，并且可能构成安全风险。研究结果还表明，ACC堵塞间隔可以比人类交通大得多，这降低了网络存储容量。
2021-10-28 cs.SY eess.SY
Safe and Efficient Data-driven Connected Cruise Control
针对联网自动驾驶车辆，提出结合多前车V2V数据的巡航控制方案，辅以控制屏障函数安全滤波器保障安全，相比传统非联网自适应巡航可降能耗10%以上，并揭示安全与能效设计的相互作用。
2025-07-29 cs.SY eess.SY
Energy-efficient Connected Cruise Control with Lean Penetration of Connected Vehicles
本文重点研究了互联自动卡车的节能纵向控制器设计，该卡车在由互联和非互联车辆组成的混合交通中行驶。卡车可以使用车对车（V2V）通信访问视线之外的联网车辆的信息。提出了一种新的连接巡航控制设计，该设计在响应远程连接车辆时将额外的延迟纳入控制律，以考虑交通波的有限传播。非连接车辆的速度被建模为随机过程。一个基本定理证明链接的运动信号的频谱特性的平均能量消耗。这使我们能够调整控制器参数并最大限度地提高能源效率。仿真与合成数据和实际的交通数据被用来证明控制设计的能源效率。事实证明，即使互联车辆的精益渗透，我们的控制器也可以带来显着的节能效果。
2022-05-06 cs.SY eess.SY
Driving Towards Stability and Efficiency: A Variable Time Gap Strategy for Adaptive Cruise Control
针对自适应巡航控制中时间间隔设置对交通容量与队列稳定性的权衡问题，提出一种基于非线性H∞控制的变时间间隔反馈策略，经OpenACC数据校准与仿真验证，能有效抑制扰动，提升混合交通流的效率与安全性。
2025-06-19 cs.SY eess.SY
On Constant Distance Spacing Policies for Cooperative Adaptive Cruise Control
协同自适应巡航控制（CACC）系统被认为是提高驾驶安全性和交通效率的关键潜在推动因素。除了车载传感器之外，它们还允许使用无线通信进行自动车辆跟踪。为了实现CACC车队的稳定性，研究中流行恒定时间车头时距（CTH）的间距策略，即车辆间距随速度而增长。虽然恒定距离车头时距（CDH）间距政策提供了优越的潜力，以增加交通容量比CTH，一个主要的缺点是一个较小的安全裕度在高速和字符串稳定性不能实现使用一辆车前瞻通信。这项工作的假设是应用CDH只有在少数驾驶情况下，当交通吞吐量是最重要的，安全要求可以满足由于低速度。作为最相关的情况下，CDH可以应用，我们确定在信号交叉口的启动队列。在本文中，我们阐述了这一想法。具体来说，我们比较了CTH与CDH在增加交通信号灯容量方面的潜力。从单个交通信号灯的基本情况出发，将仿真范围扩大到包括数千辆车辆的整个交通网络。使用真实世界的数据来校准和验证车辆动力学仿真和交通仿真，研究讨论了CDH，CTH的最相关的工作参数，以及两者应用的交通系统。
2022-05-16 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
Co-Optimization of Adaptive Cruise Control and Hybrid Electric Vehicle Energy Management via Model Predictive Mixed Integer Control
该研究面向比亚迪秦Plus DM-i PHEV，将ACC与考虑离合器状态的EMS整合为MINLP，并在MPC框架下实现跟车节能协同优化，燃油消耗较顺序优化降低5.1%。
2023-04-24 cs.SY eess.SY
Energy-efficient Reactive and Predictive Connected Cruise Control
在本文中，我们提出了一个框架的纵向控制连接和自动驾驶车辆行驶在混合交通组成的连接和非连接的人类驾驶车辆。提出了反应和预测控制器。无功控制器由显式反馈控制律给出。在预测控制器中，控制输入以滚动时域的方式进行优化，这取决于对前方车辆运动的预测。超越视线的信息是通过车辆到车辆（V2V）的通信，并利用所提出的反应和预测控制器。利用真实的交通数据的模拟表明，连接可以带来显着的节能。
2022-10-10 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
Modeling and simulation of adaptive cruise control system
本文采用线性二次型调节器设计自适应巡航控制系统。在调节器中，Q和R参数根据当前交通状况随时间变化。采用相位植物法对Q和R参数进行约束，并采用系数下降法求解约束优化问题。同时，本文还介绍了基于数据的控制器设计方法，不再考虑车辆动力学参数的时变。引入由马尔可夫状态和行为惩罚组成的Q函数来表示代价函数。根据当前的交通状态，直接用最小误差法对Q函数进行广义化和极小化，并用非线性回归理论保证其稳定性。仿真结果表明，采用时变参数线性二次型调节器比采用本文所讨论的其它控制器具有优越性。为了保证控制器的可行性和有效性，还进行了车辆试验。
2020-08-04 cs.SY eess.SY
Data-Driven Cooperative Adaptive Cruise Control for Unknown Nonlinear Vehicle Platoons
University of Glasgow（格拉斯哥大学）
针对现有研究忽略未知非线性车辆动力学的问题，提出基于在线行驶数据、建模为半定规划的统一数据驱动协同自适应巡航控制方法，适用于纯自动驾驶及人机混合车辆队列，经典型激进工况对比验证优于经典ACC方法。
2023-07-21 cs.RO cs.SY eess.SY
Calibrating microscopic car following models for adaptive cruise control vehicles: a multi-objective approach
自适应巡航控制（ACC）车辆是迈向全面车辆自动化的第一步。然而，这些车辆对基本交通流量的影响尚不清楚。因此，它是感兴趣的，以准确地模拟商用ACC车辆的车辆级动态，使它们可以用于进一步的建模工作，以量化商用ACC车辆对交通流的影响。重要的是，不仅模型的选择，而且校准方法和用于校准的误差度量是至关重要的，以准确地模拟ACC车辆的行为。在这项工作中，我们探讨的问题，如何校准跟车模型来描述ACC车辆动力学。具体来说，我们应用多目标校准方法来了解校准模型参数之间的权衡，以最大限度地减少速度误差与间距误差。三种不同的汽车跟驰模型校准的数据，从六辆车。结果是符合最近的文献，并验证，以低间距误差为目标不妥协的速度精度是否相反是不正确的ACC车辆动力学建模。
2020-10-07 cs.SY eess.SY
Cooperative Adaptive Cruise Control for Connected Autonomous Vehicles by Factoring Communication-Related Constraints
Purdue University（普渡大学）
本文提出了一种动态优化信息流拓扑（IFT）的协同自适应跟车控制（CACC-OIFT）策略，以提高连接自主车辆（CAV）编队在不可靠V2V通信环境下的字符串稳定性。
2018-08-07 cs.SY eess.SY math.OC
Robust Data-EnablEd Predictive Leading Cruise Control via Reachability Analysis
本文提出RDeeP-LCC方法，结合可达性分析与数据驱动预测控制，在噪声和干扰下实现网联自动驾驶车辆的安全最优控制，并通过仿真验证其在抑制交通波方面优于基线方法。
2024-10-02 cs.SY eess.SY
Safety Filtering for Reinforcement Learning-based Adaptive Cruise Control
基于强化学习（RL）的自适应巡航控制系统（ACC）学习并适应道路、交通和车辆状况，对于提高车辆能量效率和交通流量具有吸引力。然而，RL在安全关键系统（如ACC）中的应用需要强有力的安全保证，这是很难实现的学习代理，有一个基本的需要探索。在本文中，我们推导出控制障碍函数作为安全过滤器，允许基于RL的ACC控制器在碰撞安全集内自由探索。具体而言，我们推导出控制障碍函数的高相对度非线性系统考虑到惯性效应有关的商用车。我们还概述了一个算法，用于容纳驱动饱和与这些障碍函数。虽然任何RL算法都可以用作性能ACC控制器与这些过滤器，我们实现了最大后验策略优化（MPO）算法与混合行动空间，学习燃料最佳档位选择和扭矩控制策略。安全过滤RL方法与仅在充分训练后学习以避免冲突的奖励整形RL方法形成对比。在不同的驱动周期的评价表明，所提出的方法相比，基线ACC算法的燃油经济性显着改善。
2023-01-02 cs.SY eess.SY
Safe and Stable Connected Cruise Control for Connected Automated Vehicles with Response Lag
针对存在响应滞后的网联自动驾驶车辆，本文结合控制障碍函数理论研究网联巡航控制的安全稳定条件，推导安全控制增益与滞后临界值，提出安全关键型网联巡航控制方法，经真实交通数据仿真验证可利用前方远车信息提升安全性。
2024-09-10 cs.SY eess.SY
Autonomous Driving With Perception Uncertainties: Deep-Ensemble Based Adaptive Cruise Control
University of Michigan（密歇根大学）；Ford Research and Advanced Engineering（福特研究与高级工程）；Excelled Tracer LLC
本文提出一种基于深度集成的自适应巡航控制方法，通过量化DNN预测不确定性并利用随机MPC提供概率安全保证，在保持安全车距的同时实现速度跟踪与车辆跟随。
2024-03-22 cs.AI cs.RO cs.SY
Simulation Framework for Cooperative Adaptive Cruise Control with Empirical DSRC Module
University of Delaware（特拉华大学）；New Jersey Institute of Technology（新泽西理工学院）
本文提出了一种基于Vissim的微观交通仿真框架，结合分析性DSRC模块用于数据包接收，评估了四种管理车道部署策略，结果显示车辆间通信的可靠性受部署策略影响，且该框架具有良好的可扩展性。
2018-10-15 cs.SY eess.SP eess.SY
Adaptive Estimation-Based Safety-Critical Cruise Control of Vehicular Platoons
针对异构车辆编队缺乏 V2V 通信时的安全与稳定问题，提出融合自适应状态估计、Lyapunov 函数与 CBFs 的统一 ACC 框架，并通过多场景和物理引擎仿真验证其安全、稳定与最优性能。
2024-05-18 cs.SY eess.SY
Impact of Acceleration/deceleration Limits on the String Stability of Adaptive Cruise Control
本文证明了ACC系统中的加减速限制可以使串稳定ACC放大自然驾驶中的速度扰动。结果表明，受约束的加/减速度的以下ACC很可能会导致速度超调，以补偿一个额外的大/小的间距。此外，我们发现，约束减速限制也可能危及安全，因为有限的制动功率产生额外的小间距，甚至崩溃。通过实车实验验证了研究结果。本文建议，ACC参数空间应扩展到包括加速度/减速度限制，考虑到其显着的作用，在这里暴露。通过对ACC队列的数值模拟，我们发现：（1）边缘串稳定的ACC队列具有较小的总队长和较短的拥塞持续时间; ii）混合ACC队列中的拥堵波很大程度上取决于提供不同加速度/减速度限制的车辆顺序，当存在串不稳定ACC时，约束减速度限制引起的安全危险在混合ACC排中更显著。
2021-08-09 cs.SY eess.SY
Deep Learning-Based Vehicle Speed Prediction for Ecological Adaptive Cruise Control in Urban and Highway Scenarios
University of Kaiserslautern（凯泽斯劳滕大学）
在典型的车辆跟随场景中，目标车辆速度波动作为对主车辆的外部干扰，进而影响其能量消耗。为了使用模型预测控制（MPC）以节能的方式控制主车辆，并且此外，提高生态自适应巡航控制（EACC）策略的性能，预测目标车辆的未来速度是必要的。为此，本文研究了一种基于深度递归神经网络的车辆速度预测方法，该方法使用长短期记忆（LSTM）和门控递归单元（GRU）。此外，还讨论了基于物理的常速度（CV）和常加速度（CA）模型。用于训练的连续时间序列数据（例如，通过车辆到车辆（V2V）通信获得的目标及其前方车辆的速度轨迹、道路速度限制、使用车辆到基础设施（V2I）通信收集的交通灯当前和未来相位）从微观交通模拟器SUMO中创建的城市和高速公路网络收集。建议的速度预测模型进行评估的长期预测（最多10秒）的目标车辆未来的速度。此外，结果显示，基于LSTM的速度预测器在对未知测试数据集实现更好的预测准确性方面优于其他模型，从而展示了更好的泛化能力。在此基础上，对装有EACC的主车在预测速度下的性能进行了评价，并给出了不同预测时间段的节能效益。
2022-11-30 cs.LG cs.SY eess.SY
An Energy-Efficient Lyapunov-Based Cooperative Adaptive Cruise Controller for Electric Vehicles
University of South Florida（南佛罗里达大学）
本文提出了一种针对电动汽车编队的新型Lyapunov基于CACC控制器，通过第三阶动态模型提升能量效率，实验证明在降低控制增益的同时保持字符串稳定性，并提升能量效率达38.5%。
2026-04-09 cs.SY eess.SY
Model based string stability of adaptive cruise control systems using field data
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Vanderbilt University（范德堡大学）
本文基于缺乏商用SAE一级自动驾驶系统性能实证数据的问题，通过现场实验校准了最优速度相对速度跟车模型，并发现校准模型存在字符串不稳定性，表明无法完全防止交通扰动放大为 phantom jams，但中等规模的字符串不稳定商业ACC编队仍能部分抑制某些扰动。
2019-02-13 cs.SY eess.SY
Adaptive Cruise Control in Autonomous Vehicles: Challenges, Gaps, Comprehensive Review, and, Future Directions
KLE Technological University（KLE理工大学）
本文针对现有自适应巡航控制（ACC）综述缺乏挑战与解决方案全面分析的不足，系统梳理ACC研究空白，提出未来方向与创新方法，助力下一代ACC系统研发及可持续高韧性城市交通实现。
2025-09-30 cs.RO cs.SY eess.SY
Impact of Different Desired Velocity Profiles and Controller Gains on Convoy Driveability of Cooperative Adaptive Cruise Control Operated Platoons
本文针对CACC车队，采用纵向模型、PD巡航控制器和通用间距策略，仿真比较两种期望速度曲线及鲁棒PID重整定增益对720米路段与US06 SFTP工况下行驶平顺性的影响。
2023-06-03 cs.SY eess.SY
Physics-augmented models to simulate commercial adaptive cruise control (ACC) systems
University of Birmingham（伯明翰大学）；University of Naples Federico II（那不勒斯费德里科二世大学）；European Commission – Joint Research Centre.（欧盟委员会联合研究中心）
本文提出融合物理扩展的建模框架，用于提升商用ACC系统模拟的准确性和鲁棒性，通过评估不同模型表现，强调交通流与车辆研究的交叉融合价值。
2021-07-16 cs.SY eess.SY
Cyberattacks on Adaptive Cruise Control Vehicles: An Analytical Characterization
本文提出一个通用框架，通过线性稳定性分析推导解析条件，系统建模和合成针对ACC车辆的直接控制攻击与传感器虚假数据注入攻击，并仿真验证其对微观跟驰和宏观交通流的影响。
2024-01-12 cs.SY eess.SY math.DS
A phase-aware AI car-following model for electric vehicles with adaptive cruise control: Development and validation using real-world data
Department of Civil Engineering（土木工程系）；Saint Louis University（圣路易斯大学）；Department of Civil, Environmental, and Architectural Engineering（土木、环境与建筑工程系）；University of Kansas（堪萨斯大学）；Department of Computer Science（计算机科学系）
针对电动汽车独特跟驰动态，提出融合相位识别AI的PAAI模型，利用ACC真实轨迹数据验证，显著提升预测精度。
2025-09-30 cs.AI cs.RO cs.SY
On the Safety of Connected Cruise Control: Analysis and Synthesis with Control Barrier Functions
California Institute of Technology（加州理工学院）；University of Michigan（密歇根大学）
本文利用控制障碍函数理论，对协同巡航控制策略进行安全性分析，推导安全图以识别安全参数，并综合安全关键的控制器，通过数值仿真验证了方法的有效性。
2023-08-31 cs.RO cs.SY eess.SY
Safety Certified Cooperative Adaptive Cruise Control under Unreliable Inter-vehicle Communications
University of Notre Dame（圣母大学）
本文研究了在不可靠车际通信环境下协同自适应巡航控制系统的安全认证问题，通过考虑非确定性时延和数据包丢失，形式化验证了混合CACC系统的被动安全性，定义了安全控制包络以指导控制信号合成。
2016-09-23 cs.MA cs.SY eess.SY
Development and Virtual Testing of 5G Connected Adaptive Cruise Control
据估计，90%的撞车事故是由于人为错误造成的，主要是由于判断力差、注意力分散或缺乏态势感知。旨在提高道路安全性和驾驶舒适性的系统开发是许多OEM目前面临的主要挑战。使用快速可靠的创新通信技术（如5G）可以促进ADAS领域的进步和发展。本文的目的是研究连接性在安全性和车辆舒适性方面可能给ACC系统带来的潜在改进。本文从现有的ACC的研究现状出发，设计并深入研究了一种新型的互联ACC。这些算法的主要特点在于整合有关5G提供的其他道路车辆的信息，以及有关倍耐力Cyber Tyre等智能传感器提供的潜在抓地力的信息。新的解决方案，然后通过几个模拟考虑两个实际的交通情况下，不同的道路摩擦系数的标准ACC进行比较。最后对该算法的优点和局限性进行了深入的讨论。
2022-01-11 cs.SY eess.SY
A Learning-based Stochastic MPC Design for Cooperative Adaptive Cruise Control to Handle Interfering Vehicles
West Virginia University（西弗吉尼亚大学）；University of Central Florida（中佛罗里达大学）
本文提出基于神经网络的切入检测与轨迹预测方案，结合概率框架和随机模型预测控制器，提升对干扰车辆切入行为的应对能力，通过现实驾驶场景验证系统性能。
2018-02-26 cs.SY eess.SY
The Unscented Kalman Filter for Nonlinear Parameter Identification of Adaptive Cruise Control Systems
提出双重无迹卡尔曼滤波器，利用车载传感器实时联合辨识商用ACC的状态与CTHP参数，并基于实测SUV数据验证其相对最小二乘方法的有效性。
2023-06-06 cs.SY eess.SY math.OC
Cooperative Formation of Autonomous Vehicles in Mixed Traffic Flow: Beyond Platooning
自动驾驶汽车（AV）的协同编队和控制有望提高公共道路上的效率和安全性。在由无人驾驶汽车和人类驾驶汽车（HDV）组成的混合交通流中，多辆无人驾驶汽车的排队并不是合作编队的唯一选择。在本文中，我们研究如何不同的形式的AV影响交通性能从集合函数优化的角度。首先，我们揭示了一个稳定的不变性财产和非合作编队时，自动驾驶汽车采用典型的自适应巡航控制（ACC）策略的改善性能递减。然后，我们重点研究了协同编队的情况下，无人驾驶汽车控制器的协同设计，重新设计的控制策略，在不同的编队无人驾驶汽车和研究的最佳编队使用集函数优化。两种主要的最佳形式，即，均匀分布和队列形成，从大量的数值实验中出现。有趣的是，当HDV具有较差的字符串稳定性行为时，队列可能最不可能提高流量性能。这些结果表明，在实际的混合交通流中，除了排队之外，有更多的机会合作形成自动驾驶汽车。
2022-02-14 cs.SY eess.SY math.OC
Smoothing Mixed Traffic with Robust Data-driven Predictive Control for Connected and Autonomous Vehicles
针对 DeeP-LCC 对头车未来速度误差作零假设导致的安全与交通平滑性能限制，提出鲁棒 DeeP-LCC，通过潜在误差轨迹安全约束、历史数据误差估计及高效在线优化提升混合交通中 CAV 控制的安全性、效率与数据效率。
2023-09-30 cs.SY eess.SY math.OC
Controllability Analysis and Optimal Control of Mixed Traffic Flow with Human-driven and Autonomous Vehicles
多个数值模拟和现场实验表明，互联自动驾驶车辆（CAV）在提高混合交通系统的交通效率方面具有巨大潜力。然而，混合交通流的一些基本性质，包括可控性和稳定性，还没有得到很好的理解。分析了混合交通系统的可控性，设计了系统级最优控制策略。利用Popov-Belevitch-Hautus（PBH）准则，首次证明了一个CAV和多个异质人驾驶车辆的环形混合交通系统不是完全可控的，但在一个非常温和的条件下是稳定的.然后，我们制定了CAV的系统级控制策略的设计作为一个结构化的最优控制问题，其中CAV的通信能力被明确考虑。最后，我们推导出一个上界的可达交通速度通过控制CAV。大量的数值实验验证了我们的分析结果和所提出的控制策略的有效性。我们的研究结果验证了利用CAV作为移动执行器来主动平滑交通流的可能性。
2020-02-06 cs.SY eess.SY math.OC
From Road Congestion to Vehicle-Control Enabled Artificial Traffic Fluids
本文研究无车道道路自动驾驶车辆的非线性反馈巡航控制器设计，通过类能量控制Lyapunov函数处理约束与分布式全局稳定问题，并连接微观控制与宏观交通流模型以构建人工交通流体。
2024-05-09 cs.SY eess.SY math.OC
Decentralized Robust Data-driven Predictive Control for Smoothing Mixed Traffic Flow
针对混合交通中集中式CAV控制的可扩展性、隐私性与鲁棒性问题，提出去中心化鲁棒DeeP-LCC方法，通过本地数据计算与邻域交互扰动建模，在保障隐私与安全的同时提升计算效率与交通流平滑效果。
2024-10-06 cs.SY eess.SY math.OC
Optimal Formation of Autonomous Vehicles in Mixed Traffic Flow
多个自动驾驶车辆的排队在学术界和工业界都引起了极大的关注。尽管具有巨大的潜力，但在自动驾驶汽车和人类驾驶汽车（HDV）共存的混合交通流中，排队并不是形成自动驾驶汽车的唯一选择。在本文中，我们研究了自动驾驶汽车的最佳编队，可以实现最佳的系统范围内的混合交通流的性能。具体来说，我们考虑整个交通流的最佳$\mathcal{H}_2$性能，反映了自动驾驶汽车在缓解交通扰动方面的潜力。然后，我们将最优编队问题表示为一个集函数最优化问题。数值结果显示，两个主要的最佳形式：均匀分布和队列形成，取决于交通参数。此外，我们表明：1）流行的队列编队并不总是最佳的选择; 2）当HDV具有较差的串稳定性行为时，队列编队可能是最差的选择。这些结果表明，在混合交通流中，除了排队之外，还有更多的机会形成自动驾驶汽车。
2020-04-01 cs.SY eess.SY math.OC
Data-Driven Predictive Control for Connected and Autonomous Vehicles in Mixed Traffic
互联和自动驾驶车辆（CAV）的协同控制为混合交通带来了巨大的好处。大多数现有的研究集中在基于模型的控制策略，假设人驾驶车辆的跟车动力学是明确已知的。在本文中，而不是依赖于一个参数的汽车跟驰模型，我们引入了一个数据驱动的预测控制策略，以实现安全和最佳的混合交通中的CAV控制。首先，我们提出了一个线性化的混合交通系统的动力学模型，并研究其可控性和可观性。基于这些控制理论特性，我们提出了一种新的DeeP-LCC（数据驱动的预测领先巡航控制）策略的CAV的基础上可测量的驾驶数据，以平滑混合交通。我们的方法是实现在一个滚动的地平线的方式，其中输入/输出约束被纳入实现无碰撞的保证。非线性交通模拟显示，在城市外驾驶循环的制动情况下，它可以节省高达24.96%的燃油消耗，同时确保安全。
2022-03-25 cs.SY eess.SY
Improving Cooperative Adaptive Cruise Control Robustness to Parametric Uncertainty via Plant Equivalent Controller Realizations
Eindhoven University of Technology（埃因霍温理工大学）；Singapore University of Technology and Design（新加坡科技设计大学）
本文提出通过优化植物等效控制器实现CACC在参数不确定性下的鲁棒性提升，采用凸优化方法确保稳定性和性能。
2026-09-10 cs.SY eess.SY
Delay-Compensated Distributed PDE Control of Traffic with Connected/Automated Vehicles
针对一类由$2\times 2$一阶双曲型非线性偏微分方程控制的ARZ交通模型，提出了一种输入时滞补偿设计方法.交通流量包括自适应巡航控制装备（ACC装备）和手动驾驶的车辆。控制输入是配备ACC和联网车辆的时间间隔，该时间间隔会受到通信滞后导致的延迟的影响。对于线性化后的系统，提出了一种新的具有显式核函数的三分支反步变换来补偿输入延迟。证明了该变换是有界的、连续的和可逆的，并给出了显式的逆变换。基于这种变换，我们得到了显式预测反馈控制器。证明了带时滞补偿器的闭环系统在$L_2$范数下的指数稳定性。仿真结果表明，在所提出的控制器下，闭环系统的性能得到了改善。
2022-09-02 cs.SY eess.SY
Lagrangian formulation for mixed traffic flow including two-wheelers
EURECOM（欧洲通信研究所）；Inria Sophia Antipolis Méditerranée, Université Côte d’Azur, Inria, CNRS, LJAD（法国国家信息与自动化研究所索菲亚安提波利斯地中海分部、蔚蓝海岸大学、法国国家科学研究中心、拉格朗日分析与应用实验室）
本文提出一种多类拉格朗日方法，用于包含汽车和两轮车的交通流，通过数值方法求解连续性方程，并与欧拉方法进行对比。
2018-04-24 cs.SY eess.SY math.OC
Synthesis of Output-Feedback Controllers for Mixed Traffic Systems in Presence of Disturbances and Uncertainties
在本文中，我们研究混合交通系统，沿单车道环路或开放式道路。交通流形成了一个车队，其中包括许多异构的人类驾驶车辆（HDV），以及只有一个连接和自动驾驶车辆（CAV），从几个邻居接收信息。假设HDV的动力学遵循最优速度模型（OVM），单CAV的加速度直接由动态输出反馈控制器控制。这项工作的最终目标是提出一个鲁棒控制策略，可以平滑的交通流中存在不希望的干扰（例如突然减速）和参数的不确定性。合成动态输出控制器的先决条件是底层系统的可镇定性和可检测性。因此，首先从理论上证明了混合交通流系统的稳定性和可检测性。然后，两个H ∞控制策略，考虑和不考虑系统动态的不确定性，设计。随后通过数值模拟说明了这两种控制方法的有效性，并给出了各种实验结果，以证明所提出的控制器的有效性，以减轻干扰放大和实现队列稳定。
2021-07-28 cs.SY eess.SY math.OC
Leveraging Vehicle Connectivity and Autonomy to Stabilize Flow in Mixed Traffic Conditions: Accounting for Human-driven Vehicle Driver Behavioral Heterogeneity and Perception-reaction Time Delay
人类驾驶的不稳定性往往会触发不希望的波，随着连续的驾驶员反应从错误的车辆传播到上游的车辆，这些波会放大。这种现象被称为幻影拥堵，在文献中被认为是交通拥堵的主要原因之一。本文的前提是，车辆自动化和连接可以帮助缓解这种拥堵。在本文中，我们设计了一个控制器，用于连接和自动驾驶汽车（CAV），以稳定的人驾驶车辆（HDV）的流量，是CAV的上游，从而降低碰撞风险，在上游交通环境。在模拟混合交通流中的HDV动态时，我们充分考虑了HDV驾驶员的异质性和与其感知反应时间相关的时间延迟。我们可以发现，与不考虑人类驾驶员潜在时间延迟和异质性的情况相比，CAV可以稳定的HDV的最大数量更低。这一结果表明，HDV行为的异质性和时间延迟损害了CAV稳定交通的能力。因此，在设计CAV控制器的交通稳定，它是必不可少的考虑这种不确定性相关的条件。在我们的演示中，我们还表明，所设计的控制器可以显着提高混合交通流的稳定性和流中的CAV和HDV的安全性。结果是有用的实时校准的模型参数，表征HDV运动的混合流。
2020-08-17 cs.SY eess.SY math.OC
Traffic Control in a Mixed Autonomy Scenario at Urban Intersections: An Optimization-based Framework
我们考虑一个交叉区，其中自动驾驶汽车（AV）和人类驾驶的车辆（HDV）可以存在。当新的车辆到达时，交通控制器需要决定并施加将离开交叉口区域的车辆的最佳顺序。交通控制器可以发送关于AV可以穿过十字路口的时间的信息;然而，交通控制器不能与HDV通信，而只能使用交通灯来控制HDV。我们制定的问题作为一个整数约束的非线性优化问题的交通路口控制器只与一个子集的AV。由于可能的组合的数量随着系统中车辆的数量呈指数级增加，我们放松了原来的问题，并提出了一种算法，给出了放松的问题的最佳解决方案，但只与系统中的车辆数量呈线性关系。数值计算表明，我们的算法优于先进先出（FIFO）算法。
2021-08-28 cs.SY eess.SY math.OC
Freeway Lane Management Approach in Mixed Traffic Environment with Connected Autonomous Vehicles
University of South Florida（南佛罗里达大学）
本文提出分析模型评估混合交通环境下的自由流流量，并确定分配给自动驾驶车辆的最优车道数，通过不同操作环境和技术场景分析自动驾驶车辆渗透率对交通容量的影响。
2016-11-30 cs.SY eess.SY math.OC
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
Towards Secure Infrastructure-based Cooperative Adaptive Cruise Control
本文研究了基于基础设施的协同自适应巡航控制（CACC）中的安全问题，提出了一种利用车辆网络边缘节点检测分布式拒绝服务（DoS）攻击的策略，并通过ns-3仿真验证了该策略在不同攻击严重程度下的有效性。
2018-11-18 cs.CR cs.SY eess.SY
Congestion-aware Routing and Rebalancing of Autonomous Mobility-on-Demand Systems in Mixed Traffic
本文研究了自主移动按需（AMoD）系统，其中一个车队的自动驾驶汽车在混合交通条件下提供按需移动的出行感知的路线规划政策。具体来说，我们首先设计了一个网络流模型，通过考虑AMoD流对旅行时间的内生影响，以一种基于业务感知的方式优化AMoD路由和再平衡策略。其次，我们捕获反应性的外源性交通组成的私人车辆自私地适应以用户为中心的方式，通过利用迭代的方法的AMoD流。最后，我们展示了我们的框架的有效性与两个案例研究，考虑在马萨诸塞州东部和纽约市的交通子网络。我们的研究结果表明，对于高水平的需求，纯粹的AMoD旅行可能是有害的，因为它的再平衡流量产生的额外流量，而AMoD与步行或微移动选项的组合可以显着提高整体系统性能。
2020-03-09 cs.SY eess.SY math.OC
