Spatio-temporal cooperative control Method of Highway Ramp Merge Based on Vehicle-road Coordination
本文提出基于车路协同的主线优先方法，通过预规划时空轨迹实现高速公路匝道合流的时空协同控制，以提升合流区安全与效率。
2024-11-07 cs.SY eess.SY
Cooperative Control in Eco-Driving of Electric Connected and Autonomous Vehicles in an Un-Signalized Urban Intersection
研究了电动互联自动驾驶汽车（CAV）在城市无信号交叉口的最优生态行驶速度分布问题。该问题被制定为一个单级优化和解决使用庞特里亚金的最小值原则（PMP）。分析解决方案，发生在交叉口的各种冲突。在CAV之间引入合作作为共享意图的能力。两个层次的合作，即合作ED（C-ED）和非合作（NC-ED）算法进行评估，在仿真环境中，能源效率与智能驾驶员模型（IDM）为基线。
2022-06-24 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
An Output Containment Approach to Cooperative Control of Multiple Unmanned and Manned Vehicles
本文研究了多个无人和有人驾驶飞行器通过输出包容控制方法的异构离散时间多智能体系统的合作控制。无人驾驶车辆充当引导车辆以引导有人驾驶车辆，即，跟踪车辆。目标是设计一种分布式输出反馈控制律，使得跟随车辆的输出能够指数收敛到由领先车辆的输出所跨越的凸包上。通过一个分布式包容观测器估计由首车输出和首车系统矩阵构成的凸包。基于该观测器，首次设计了一种仅利用相邻相对输出信息的异构离散多智能体系统的分布式动态输出反馈控制协议。证明通过显示某些输出包容误差指数收敛到零来描述，这表明包容控制目标很好地实现。作为输出反馈控制的一种特殊情况，推导了分布式动态状态反馈控制律。最后，通过多车辆协同控制的数值仿真验证了所提出的控制协议的有效性和计算的可行性。
2021-02-16 cs.SY eess.SY
Control of Cooperative Unmanned Aerial Vehicles: Review of Applications, Challenges, and Algorithms
协作无人机系统是一组智能体相互之间以及与周围环境进行交互以完成特定任务的系统。与单个无人机相比，无人机群有望提高效率、灵活性、准确性、鲁棒性和可靠性。然而，提供外部通信可能会使它们暴露于额外的故障，故障，不确定性和网络攻击，并可能导致错误从网络中的一个组件传播到其他组件。此外，其他挑战，如复杂的非线性动力学的无人机，避碰，速度匹配，和凝聚力应该得到充分解决。合作无人机的主要应用是边境巡逻;搜索和救援;监视;测绘;军事。在协同系统的决策和控制中需要解决的问题包括无人机复杂的非线性动力学、避碰、速度匹配和内聚。本文综述了无人机协同控制领域的新课题及其相关的实用方法。
2019-08-07 cs.SY eess.SY
Interpenetrating Cooperative Localization in Dynamic Connected Vehicle Networks
University of Michigan（密歇根大学）；Tsinghua University（清华大学）；Massachusetts Institute of Technology（麻省理工学院）
本文提出ICL方法提升动态连接车辆网络的定位精度，通过信息跨组渗透提高低连接率下的信息效用，实验显示在复杂动态场景中定位误差降低70%。
2018-04-25 cs.SY eess.SY
Detection of Network and Sensor Cyber-Attacks in Platoons of Cooperative Autonomous Vehicles: a Sliding-Mode Observer Approach
人们正在研究自动驾驶汽车排，以提高道路容量和燃油效率。协同自适应巡航控制（CACC）是实现这种编队的一种方法，其中车辆使用无线通信进行协作。虽然这种合作提高了性能，但也使车辆容易受到网络攻击。在本文中的性能分析的滑模观测器（SMO）为基础的方法来检测网络攻击，考虑到同时攻击的通信和本地传感器。为此，所考虑的网络攻击被分为三类，相关的理论属性被证明。此外，在这些类内的攻击可以做的系统，而避免检测的危害进行了分析的基础上模拟的例子。
2021-04-08 cs.SY eess.SY
Multi-Objective $H_{\infty}$ Control for String Stability of Cooperative Adaptive Cruise Control Systems
自动车辆跟随系统通过缩短车辆间的时间间隔，在增加道路上的车辆密度方面发挥着决定性作用。然而，沿车辆队列的干扰衰减，即，在时间间隔越来越短的情况下，串稳定性是一个具有挑战性的任务。为了保证车队的稳定性，研究了自适应巡航控制的多目标$H_{\infty}$控制方法和协同自适应巡航控制结构。所提出的控制方法解决了一个优化问题，并实现了控制器，它不仅能够提供系统的稳定性，但也从传统的$H_{\infty}$控制的字符串稳定性不同。
2021-03-25 cs.SY eess.SY
Differential Geometric Approach to Trajectory Planning: Cooperative Transport by a Team of Autonomous Marine Vehicles
Drexel University（德雷塞尔大学）；University of Pennsylvania（宾夕法尼亚大学）
本文提出利用微分几何方法解决自主水下车辆团队协同运输问题，通过分解子问题设计分布式反馈控制策略，实现负载沿期望轨迹运输。
2018-05-02 cs.SY eess.SY
Cooperative and Interaction-aware Driver Model for Lane Change Maneuver
针对无信号规则的换道交互问题，提出基于真实驾驶数据、以MDP和随机动态规划实现的协作式交互感知决策算法，并验证其安全、舒适且可适应不同驾驶风格。
2024-03-04 cs.SY eess.SY
Optimal cooperative motion planning for vehicles at intersections
Mines ParisTech（巴黎高等矿业学院）；Inria Paris - Rocquencourt（法国国家数字科学研究所巴黎-罗昆古尔中心）
本文提出基于分解问题的数学框架，结合连续优化与调度问题，解决交叉口的碰撞避免和最优协同运动规划问题。
2013-10-29 cs.SY eess.SY
Compact Cooperative Adaptive Cruise Control for Energy Saving: Air Drag Modelling and Simulation
本文研究的价值，沟通的运动预测的纵向控制连接自动驾驶汽车（CAV）。我们专注于一个安全的合作自适应巡航控制（CACC）的设计和分析的价值，车对车（V2V）的通信存在不确定的前车加速度。对CACC的兴趣是由能源消耗和道路吞吐量的潜在改善所激发的。为了量化这种潜力，我们的特点实验车间间隙，车速和（减少）的能源消耗的紧凑型插电式混合动力汽车之间的关系。由此产生的模型被用来显示我们的控制设计的功效，该设计追求连续CAV之间的小车辆间间隙，从而提高能源效率。我们提出的控制设计是基于一个强大的模型预测控制框架，系统地考虑系统的不确定性。我们提出了一组全面的模拟，旨在量化能源效率的提高时，通过V2V通信交换的车辆状态和预测在控制律中使用。
2021-08-18 cs.SY eess.SY
Evaluation of Connected Vehicle Identification-Aware Mixed Traffic Freeway Cooperative Merging
该研究首次将联网车辆身份识别系统（VIS）引入CAV匝道合流控制，提出评估框架与考虑识别流程的合流策略，仿真发现VIS虽不影响安全但会延迟协同、增加油耗与加速度波动。
2024-05-21 cs.SY eess.SY
Distributed Observers-based Cooperative Platooning Tracking Control and Intermittent Optimization for Connected Automated Vehicles with Unknown Jerk Dynamics
车辆加速度的未知急剧变化（也称为未知加加速度动态）可能会显著影响队列中领头车辆的行驶性能，导致队列跟踪控制中的车辆跟随运动更加剧烈，这可能会引起安全和交通容量问题。为了解决这些问题，本文研究了具有非线性车辆跟驰模型的互联自动车辆（CAVs）的协作编队跟踪控制和间歇优化问题。我们假设领导者CAV的外部输入包含未知的，但有界的加加速度参数，和领导者CAV的加速度信号是已知的，只有几个相邻的追随者CAV在一个自由设计的，但有向的通信网络。为了解决这些问题，分布式观测器的法律发展提供一个参考信号表示为一个估计的未知加加速度动态的领导者CAV和实现的每个追随者CAV。在此基础上，提出了一种新的分布式编队跟踪控制协议，在相同的车辆间约束条件下构造协同跟踪控制器，保证CAV之间的安全距离，并允许各跟随CAV仅利用局部信息交互来跟踪其领导CAV。我们还提出了一种新的间歇采样条件和鲁棒间歇优化设计，可以确保最优调度的反馈增益的合作编队跟踪控制器，以最小化控制成本下不相同的车辆间的约束和未知的加加速度动态。仿真算例验证了所提方法的有效性
2022-09-02 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
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
The Cooperative Sorting Strategy for Connected and Automated Vehicle Platoons
本文提出了一种“合作车辆排序”的策略，旨在最佳排序连接和自动车辆（CAV）在多车道排，以达到一个理想的组织排。在该方法中，CAV编队首先离散成一个网格系统，CAV从一个单元移动到另一个在离散时空域。然后，合作排序问题建模为一个路径寻找问题的图形域。该问题是解决的确定性Astar算法与逐步的战略，只有一辆车可以在一个移动步骤。所得的最短路径进一步优化与整数线性规划算法，以最大限度地减少排序时间，允许在一个步骤内的多个运动。为了提高算法的运行时间和解决多个最短路径问题，提出了一种分布式随机Astar算法（DSA），通过在边代价中引入随机扰动来破坏均匀路径（路径代价相等）。数值实验证明了所提出的DSA方法的有效性。结果报告更短的排序时间和显着改善算法的运行时间，由于使用DSA。此外，我们发现，优化性能可以进一步提高，通过增加在分布式计算系统中的进程的数量。
2020-03-13 cs.SY eess.SY
Formation and Investigation of Cooperative Platooning at the Early Stage of Connected and Automated Vehicles Deployment
University of Virginia（弗吉尼亚大学）；Toyota Motor North America R&D - InfoTech Labs（丰田北美研发中心 - 信息技术实验室）
本文提出一种混合协同编队策略和战略车道变更模型，以提升连接自动化车辆在低渗透率下的编队效率与交通效率。
2026-01-16 cs.SY eess.SY
Design, Integration and Sea Trials of 3D Printed Unmanned Aerial Vehicle and Unmanned Surface Vehicle for Cooperative Missions
The University of Manchester（曼彻斯特大学）；Cardiff University（卡迪夫大学）
近年来，无人水面航行器（USV）已被广泛部署用于海上应用。然而，USV具有有限的探测范围，传感器安装在与目标相同的高度。在本研究中，我们提出一个无人机-无人水面车（UAV-USV）的合作平台，以提高USV的探测范围。设计并3D打印了一种可漂浮和防水的无人机，使其能够在海上降落。还开发了双体船USV和着陆平台。为了使无人机在各种光照条件下精确着陆在无人艇上，分别在无人机和无人艇上实现了红外信标探测器和红外信标。最后，提出了一种两阶段无人机精确着陆方法、无人机控制算法和无人机路径跟踪算法，并进行了仿真验证。
2021-02-23 cs.RO cs.SY eess.SY
Cooperative Adaptive Learning Control for A Group of Nonholonomic UGVs by Output Feedback
本章提出了一种基于高增益控制器的协同确定性学习（CDL）控制算法，用于一组相同的单轮车型无人地面车辆（UGV）跟踪期望的参考轨迹。对于车辆状态，可以测量车辆的位置，而速度估计使用高增益观测器。对于轨迹跟踪控制器，采用径向基函数（RBF）神经网络（NN）在线估计飞行器的未知动力学，并通过CDL保证NN权值收敛和估计精度。本章的主要挑战和新颖之处在于，在不完全了解车辆状态和车辆模型的情况下，使用这种基于混合器的CDL算法来跟踪参考轨迹。此外，系统中的任何车辆都能够沿着所有车辆代理所经历的轨迹的并集学习未建模动态的知识，使得所学习的知识可以被重新使用以遵循在学习阶段中定义的任何参考轨迹。基于学习的跟踪收敛性和共识学习结果，以及使用学到的知识跟踪经验轨迹，示出使用李雅普诺夫方法。仿真结果表明了该算法的有效性。
2020-02-24 cs.SY eess.SY
Latency-Aware Digital Twin-Assisted Cooperative Perception for Autonomous Vehicles
University of Calgary（卡尔加里大学）；Polytechnique Montréal（蒙特利尔高等理工学院）
研究自动驾驶车辆在延迟和通信资源约束下的协作感知问题，提出数字孪生辅助协作感知框架，用粗到细搜索算法解决优化问题，该算法在延迟约束下感知精度高且降低计算复杂度，框架还降低通信成本。
2026-07-13 cs.SY eess.SY
Cooperative Perception for Safe Control of Autonomous Vehicles under LiDAR Spoofing Attacks
自动驾驶汽车依靠LiDAR传感器来检测行人、其他车辆和固定基础设施等障碍物。LiDAR欺骗攻击已经被证明可以创建错误的障碍物或阻止检测到真正的障碍物，从而导致不安全的驾驶行为。在本文中，我们提出了一种方法来检测和减轻激光雷达欺骗攻击，利用激光雷达扫描数据从其他邻近车辆。这种方法利用了这样一个事实，即欺骗攻击通常一次只能安装在一辆车上，并在受害者的扫描中引入额外的点，这些点可以通过与其他未修改的扫描进行比较而容易地检测到。我们开发了一个故障检测，识别和隔离程序，识别不存在的障碍，物理删除和敌对对象的攻击，同时还估计障碍物的实际位置。我们提出了一种控制算法，保证这些估计的对象位置被避免。我们验证我们的框架使用CARLA模拟研究，在其中我们验证我们的FDII算法正确地检测到每个攻击模式。
2023-02-14 cs.SY eess.SY
ConvoyNext: A Scalable Testbed Platform for Cooperative Autonomous Vehicle Systems
Department of Electrical and Computer Engineering University of Central Florida（电气与计算机工程系 佛罗里达中央大学）
本文提出ConvoyNext，一个可扩展、模块化的真实世界测试平台，用于评估协作式自动驾驶编队行为，并通过复杂轨迹和通信丢包实验验证其鲁棒性和有效性。
2025-05-22 cs.RO cs.SY eess.SY
A Cooperative Implementation of Mesh Stability in Vehicular Platoons
Southeast University（东南大学）；Technical University of Munich (TUM)（慕尼黑工业大学）；Ecole Polytechnique Federale de Lausanne (EPFL)（洛桑联邦理工学院）
本研究针对车队网格稳定性问题，提出结合车车通信的协同方案，分别设计纵向与横向控制的协同非相同协议，经CarSim仿真验证其鲁棒性与性能优于现有分布式方案。
2026-08-03 cs.SY eess.SY
Optimization of Vehicle Connections in V2V-based Cooperative Localization
University of Michigan（密歇根大学）
本文研究了协作地图匹配中车辆成员对GNSS定位精度的影响，通过理论分析建立误差与道路约束的定量关系，提出优化车辆网络的方法。
2017-08-01 cs.SY eess.SY
An optimization-based cooperative path-following framework for multiple robotic vehicles
本文讨论了基于优化的多机器人车辆的合作路径跟踪控制律的设计，最佳平衡协调和路径跟踪误差之间的瞬态权衡。为此，我们制定了一个更一般的多智能体框架，每个智能体与（i）一个连续时间的动态模型，它管理其状态的演变，以及（ii）一个输出方程，这是一个功能的代理和协调向量的状态。根据给定的网络拓扑，每个代理可以访问其状态和协调向量，以及相邻代理的协调向量。在这种设置中，目标是设计一个分布式控制法，将输出信号导向原点，同时驱动网络代理的协调向量达成共识。为了解决这个问题，我们提出了一个模型预测控制计划，建立在一个预先存在的辅助共识控制律设计的性能指标，结合输出调节目标的共识目标。收敛保证下，可以解决这个协调输出调节问题。数值仿真结果表明，所提出的方案适用于一个网络的三维非完整机器人的合作路径跟踪控制问题的有效性。
2019-07-19 cs.SY eess.SY
A Functional Safety Assessment Method for Cooperative Automotive Architecture
汽车功能的范围已经从单个车辆作为一个实体发展到多个车辆作为一个实体一起工作，称为协同驾驶。目前的汽车安全标准ISO 26262是为单车设计的。随着道路上具有协同驾驶能力的车辆数量的增加，现在必须系统地评估这些车辆的架构的功能安全性。许多方法被提出来评估架构在软件架构域中的不同质量属性，但据我们所知，汽车架构的功能安全评估没有在文献中探讨。我们提出了一种方法，利用现有的研究在软件架构和安全工程领域，检查是否满足功能安全要求的合作驾驶场景中的技术架构的车辆。我们将我们的方法应用于现实生活中的学术原型的合作驾驶场景，排队，并讨论我们的见解。
2021-05-02 cs.SE 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
Plane Constraints Aided Multi-Vehicle Cooperative Positioning Using Factor Graph Optimization
School of Electronic and Information Engineering, Beihang University（北京航空航天大学电子信息工程学院）
本文提出一种平面约束辅助的多车辆协同定位方法，利用车辆位置构建道路平面约束，结合因子图优化与GNSS和测距数据，以抵抗测距中断，提升定位性能。
2023-10-10 cs.RO cs.SY eess.SP
Cluster-Wise Cooperative Eco-Approach and Departure Application for Connected and Automated Vehicles along Signalized Arterials
本文提出集群协同节能进退应用，通过车辆集群协调减少能耗，降低污染排放并提升交通 throughput。
2018-08-28 cs.SY eess.SY
Distributed Cooperative Control and Optimization of Connected Automated Vehicles Platoon Against Cut-in Behaviors of Social Drivers
互联自动驾驶汽车（CAV）为提高交通吞吐量和降低能耗带来了新的机遇。然而，不确定的车道变换行为（LCB）的周围车辆（SV）作为一个不可控的因素，显着威胁到行驶安全和一致的运动的一组排CAV。如何在复杂的交通环境中保证安全、高效、节油的排控是研究人员面临的一个关键挑战。针对由多辆CAV和可能的人类驾驶车辆（HDV）组成的混合交通流，提出了一种动态的车队管理和协同驾驶框架。在所提出的框架中，领导者CAV的排提供了一个高层次的自动驾驶决策的追随者CAV通过开发一个最佳的轨迹估计的HDVs，而分布式的观察员和跟踪控制器是正确的实现由追随者CAV。具体而言，拟议框架包括三个阶段。在观察阶段，领队CAV将通过Cellular-Vehicle-to-X（C-V2X）基础设施收集所有SV的巡航信息，同时构建自动决策驾驶辅助系统（ADMDSS）以确定队列的驾驶状态。在预测阶段，当HDV接近编队通信范围时，利用C-V2X基础设施对作为目标车辆的HDV的轨迹进行估计，并分别启动引导CAV的参考轨迹规划和跟随CAV的协同控制器设计。仿真算例验证了所提方法的有效性。
2022-09-02 cs.SY eess.SY
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
Resilient Cooperative Adaptive Cruise Control for Autonomous Vehicles Using Machine Learning
University of Florida（佛罗里达大学）
协同自适应巡航控制（CACC）是一种基本的互联车辆应用，它通过利用车对车（V2V）通信来扩展自适应巡航控制。CACC是众多自动驾驶汽车功能的关键组成部分，包括队列行驶、分布式路线管理等。不幸的是，恶意V2V通信可能会破坏CACC，导致字符串不稳定和道路事故。在本文中，我们开发了一种新的弹性基础设施，RACCON，用于检测和减轻对CACC的V2V攻击。RACCON使用机器学习来开发车载预测模型，该模型可以捕获异常的车辆响应并实时的执行缓解。支持RACCON的车辆可以利用CACC的高效率，而不会影响安全性，即使在潜在的敌对场景下也是如此。我们提出了广泛的实验评估，以证明RACCON的疗效。
2021-03-18 cs.CR cs.RO cs.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
AutoCast: Scalable Infrastructure-less Cooperative Perception for Distributed Collaborative Driving
自动驾驶汽车使用3D传感器进行感知。协同感知使车辆能够彼此共享传感器读数，以提高安全性。先前的合作感知工作即使在基础设施的支持下也很差。AutoCast使用直接的车辆到车辆通信实现可扩展的无基础设施协作感知。它根据交通参与者之间的位置关系及其轨迹的时间演变仔细确定要共享的对象。它以分布式方式协调车辆并优化调度传输。在不同场景下的大量评估结果表明，与竞争方法不同，AutoCast可以避免在没有合作感知的情况下频繁发生的崩溃和未遂事件，其性能在密集交通场景中提供2- 4倍的安全关键对象可见性，与现有的合作感知方案相比，其传输调度可以在真实的无线电测试平台上完成，并且其调度算法是接近最优的，具有可忽略的计算开销。
2021-12-30 cs.MA cs.NI cs.SY
Real-time Vehicle-to-Vehicle Communication Based Network Cooperative Control System through Distributed Database and Multimodal Perception: Demonstrated in Crossroads
Zhejiang University（浙江大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Michigan（密歇根大学）
本文提出基于V2V通信的网络协同控制系统VVCCS，结合分布式数据库和多模态感知，在Qcar平台上实现宏观交通规划与碰撞避免，并通过十字路口演示验证其在复杂城市环境中的潜力。
2024-10-23 cs.AI cs.RO cs.SY
Cooperative Schedule-Driven Intersection Control with Connected and Autonomous Vehicles
Carnegie Mellon University（卡内基梅隆大学）
最近的工作分散，时间表驱动的交通控制已经证明了在复杂的城市道路网络，以提高交通流的效率的能力。在这种方法中，调度代理与每个交叉口相关联。每个代理感知接近其交叉口的交通，并实时构建一个时间表，最大限度地减少在当前前瞻视野内接近交叉口的车辆的累积等待时间。在本文中，我们提出了一种合作算法，利用连接和自动驾驶车辆（CAV）和时间表驱动的交通控制，以创造更好的城市交通流。该算法使交叉口调度代理调整的到来时间的车队通过使用无线通信来控制车辆的速度。接近队列的序列因此被移向具有较小累积延迟的新形状。我们演示了如何在实时交通信号控制问题，该算法优于原来的方法。
2019-07-03 cs.RO cs.SY eess.SY
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
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
Impact of Information Flow Topology on Safety of Tightly-coupled Connected and Automated Vehicle Platoons Utilizing Stochastic Control
Univ. of Georgia（佐治亚大学）；Univ. of Central Florida（中佛罗里达大学）
通过车联网（V2X）通信实现的协同驾驶有望为交通系统的安全和效率做出重大贡献。协同自适应巡航控制（CACC）是一种重要的协同驾驶应用，近年来已成为许多研究的主题。使用CACC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。由于协同车辆之间的信息流可以显着影响一个队列的动态，控制组件的设计和性能是紧密依赖于通信组件的性能。此外，信息流拓扑（IFT）的选择可以影响某些排属性，如稳定性和可扩展性。虽然通过使用V2X通信可以将协作车辆感知扩展到多个前驱信息，但是通信技术仍然存在可扩展性问题。因此，合作的车辆需要预测对方的行为，以补偿非理想的通信的影响。提出了基于模型的通信（MBC）的概念，通过引入一种新的灵活的内容结构来广播联合车辆动态/驾驶员行为模型，以增强非理想通信下的协作车辆感知。通过利用非参数（贝叶斯）建模方案，即，高斯过程回归（GPR），和MBC的概念，本文开发了一种离散的混合随机模型预测控制的方法，并检查通信损耗和不同的信息流拓扑结构的性能和安全的排的影响。结果表明，使用更多的车辆信息，在响应时间和安全性方面有所改善，验证了合作的潜力，以减少干扰，提高交通流量和安全性。
2022-03-29 cs.RO cs.SY eess.SY
Stochastic String Stability of Vehicle Platoons via Cooperative Adaptive Cruise Control with Lossy Communication
University of Twente（特文特大学）；Univ. Grenoble Alpes, CNRS, Inria, Grenoble INP, GIPSA-lab（格勒诺布尔阿尔卑斯大学、法国国家科学研究中心、法国国家信息与自动化研究所、格勒诺布尔理工学院、GIPSA实验室）
本文研究了在通信不可靠且存在消息丢失的情况下，如何通过协同自适应跟车控制实现车辆编队的稳定性。提出了一种新的协同控制器设计，通过切换控制器在H_infty方法下促进系统稳定性和字符串稳定性，并最小化平均误差的方差。
2019-05-12 cs.SY eess.SY math.OC
A Robust Cooperative Vehicle Coordination Framework for Intersection Crossing
针对无信号交叉口在状态不确定与带宽受限下的安全协调问题，提出含鲁棒轨迹规划与上下文感知调度器的框架，显著降低碰撞概率并保持协调效率。
2025-08-05 cs.MA 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
Facilitating Cooperative and Distributed Multi-Vehicle Lane Change Maneuvers
Department of Mechanical Engineering, University of California-Berkeley, Berkeley, CA 94703 USA（加州大学伯克利分校机械工程系）
针对联网自动驾驶车辆多车变道被动且机会主义的问题，提出基于促进者角色的分布式协调方法，利用分布式MPC路径规划器和协调算法主动协作修改环境，仿真证明其显著提升了多车变道可行性。
2023-03-03 cs.RO cs.SY eess.SY
A Cooperative Perception Environment for Traffic Operations and Control
Purdue University（普渡大学）；Saline High School（萨林高中）；University of Michigan（密歇根大学）
现有的用于交通操作和控制的数据汇集方法通常依赖于基于基础设施的环路检测器或探测车辆轨迹。互联和自动驾驶车辆（CAV）不仅可以报告有关自身的数据，还可以提供所有检测到的周围车辆的状态。集成来自多个CAV以及基础设施传感器的感知数据（例如，LiDAR）即使在非常低的渗透率下也可以提供更丰富的信息。本文旨在开发一个协同数据汇集系统，该系统集成了来自基础设施和CAV的激光雷达点云数据，为各种交通应用创建一个协同感知环境。最先进的3D检测模型被应用于检测合并点云中的车辆。在CARLA和SUMO的联合仿真平台上，我们使用最大压力自适应信号控制模型对所提出的协同感知环境进行了测试。结果表明，CAV加上基础设施传感器的渗透率非常低，足以实现与30%或更高的联网车辆（CV）渗透率相当的性能。我们还展示了不同CAV渗透率下的等效CV渗透率（E-CVPR），以证明协同感知环境的数据汇集效率。
2022-08-04 cs.RO cs.SY eess.SY
Cooperative Sensing and Heterogeneous Information Fusion in VCPS: A Multi-agent Deep Reinforcement Learning Approach
协同感知和异构信息融合是实现车辆信息物理系统的关键。本文首次尝试通过设计一个新的度量标准-观看年龄（AoV）来定量地衡量视频节目的质量。具体来说，我们首先提出了系统架构，其中异构信息可以通过车辆到基础设施（V2 I）通信在车辆边缘计算（VEC）的协作感测和上传。通过融合边缘节点的异构信息构建逻辑视图。此外，我们制定的问题，推导出一个合作的感知模型的基础上的多类M/G/1优先级队列，并定义AoV建模的及时性，完整性和一致性的逻辑视图。在此基础上，提出了多智能体深度强化学习解决方案。特别地，系统状态包括车辆感测信息、边缘缓存信息和视图要求。车辆行为空间由感知信息的频率和上传信息的优先级组成。设计了一种基于差异奖励的信用分配方法，将系统奖励（VCPS质量）分解为车辆的差异奖励。边缘节点基于预测的车辆轨迹和视图要求向车辆分配V2 I带宽。最后，建立了仿真模型，并给出了全面的性能评估，验证了所提方案的优越性。
2023-01-27 cs.NI cs.SY eess.SY
Path Planning for a Cooperative Navigation Aid Vehicle to Assist Multiple Agents Sequentially
Department of Mechanical Engineering（机械工程系）；Engineering Science, University of North Carolina at Charlotte（工程科学，北卡罗来纳大学夏洛特分校）
本文提出了一种贪心算法，用于规划协作导航辅助车路径，以依次协助多个智能体并减少导航不确定性。
2024-07-09 cs.RO cs.SY eess.SY
mmWave Enabled Connected Autonomous Vehicles: A Use Case with V2V Cooperative Perception
本文探讨毫米波通信在网联自动驾驶汽车中的应用，分析标准化与部署挑战，并通过V2V协同感知案例评估不同配置的性能影响。
2023-10-15 cs.NI cs.SI cs.SY
Cellular Controlled Cooperative Unmanned Aerial Vehicle Networks with Sense-and-Send Protocol
School of Electronics Engineering and Computer Science, Peking University（北京大学电子工程与计算机科学学院）
本文提出了一种细胞控制无人机传感网络，通过协同完成传感任务，采用感知-发送协议，优化轨迹、传感位置和无人机调度以最小化任务完成时间。
2018-05-30 cs.SY eess.SP eess.SY
Cooperative constrained motion coordination of networked heterogeneous vehicles
Eindhoven University of Technology（埃因霍温理工大学）；Eindhoven Artificial Intelligence Systems Institute（埃因霍温人工智能系统研究所）；Lund University（隆德大学）；The Australian National University（澳大利亚国立大学）
我们考虑的多个异构移动车辆的合作运动协调问题受到各种约束。这些约束包括非完整运动约束、恒速约束、完整协调约束和等式/不等式几何约束。我们开发了一个通用框架，涉及微分代数方程和生存力理论，以确定协调的可行性协调运动控制下异构车辆动力学和不同类型的协调任务的约束。如果推导出的微分代数方程和/或不等式存在协调运动解，则提出一种构造性算法来推导出等效的动力系统，该系统为每个单独的车辆生成一组可行的协调运动。在协调两辆车的案例研究中，我们推导出两个车辆组的运动生成的解析解，包括汽车类的车辆，unicipal车辆，或具有恒定速度的车辆，作为更复杂的车辆组的基准协调任务。运动生成算法是由仿真数据支持的，用于各种各样的协调情况，涉及异构车辆。然后，我们扩展了车辆控制框架，以处理时变协调任务和领导者-追随者结构的合作协调问题。我们展示了几个仿真实验的多车辆协调在各种约束条件下，以验证所提出的计划的理论和有效性。
2022-01-17 cs.MA cs.RO cs.SY
Cooperative Localization with Angular Measurements and Posterior Linearization
协作定位技术在车载网络中的应用对于提高定位精度和覆盖范围具有重要意义。车辆之间的常规距离测量受限于对同步的需要并且不提供车辆的航向信息。为了解决这个问题，我们提出了一个合作定位算法，使用后线性化的信念传播（PLBP）利用到达角（AoA）的唯一测量。仿真结果表明，该算法能有效地降低车辆的方向和位置均方误差，并在几次迭代后收敛到一个较低的值。此外，车辆网络的参数，如车辆密度，通信半径，先验不确定性和AoA测量噪声的影响进行了分析。
2019-07-10 cs.IT cs.SY eess.SP
Robust Cooperative Formation Control of Fixed-Wing Unmanned Aerial Vehicles
Institute for Aerospace Studies, University of Toronto（航空航天研究学院，多伦多大学）
本文研究了固定翼无人机在紧密编队飞行中用于节能的鲁棒协同编队控制问题，提出了一种新的协同控制方法，通过虚拟结构概念解决大规模无人机编队中虚拟领导者设计的难题，并采用协作者滤波器生成平滑的参考信号，同时利用不确定性与扰动观测器补偿气动耦合导致的模型不确定性，最终实现了鲁棒的编队控制。
2019-05-06 cs.MA cs.RO cs.SY
Real-time Cooperative Vehicle Coordination at Unsignalized Road Intersections
无信号交叉口的协同协调，旨在提高互联和自动化车辆的行驶安全性和交通吞吐量，近年来引起了越来越多的关注。然而，大多数现有的调查要么受到计算复杂性的影响，要么无法充分利用道路基础设施的潜力。为此，我们首先提出了一个专用的交叉口协调框架，其中所涉及的车辆移交其控制权限，并遵循中央协调员的指示。然后，将制定一个统一的合作轨迹优化问题，以最大限度地提高交通吞吐量，同时确保驾驶安全和长期稳定的协调系统。为了解决现实世界部署中的关键计算挑战，我们将这个非凸顺序决策问题重新表达为无模型的马尔可夫决策过程（MDP），并通过在深度强化学习（DRL）框架中设计基于双延迟深度确定性策略梯度（TD 3）的策略来解决它。仿真和实际实验表明，该策略在亚静态协调场景下可以获得接近最优的性能，在现实连续业务流中可以显著提高业务吞吐量。最显著的优点是，我们的策略可以降低计算的时间复杂度为毫秒，并显示出可扩展的道路车道增加。
2023-03-22 cs.AI cs.RO cs.SY
CADET: A Modular Platform for Evaluating Distributed Cooperative Autonomy in Connected Autonomous Vehicles
UCLA；Amazon Scholar（亚马逊学者）
提出CADET模块化平台，通过解耦自动驾驶堆栈并集成网络与工作负载仿真，系统评估分布式协作自主系统在真实部署条件下的安全性与性能。
2026-06-02 cs.DC cs.LG cs.RO
