Exploration of lane-changing duration for heavy vehicles and passenger cars: a survival analysis approach
Tongji University(同济大学);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
车道变换(LC)行为描述了车辆在前进时从当前车道到目标车道的横向移动。在众多的研究方向中,LC持续时间(LCD)度量车辆从当前车道行驶到目标车道所花费的总时间,是表征LC行为不可或缺的指标。虽然现有的研究已经取得了一定的成果,但对重型汽车液晶显示器的研究较少。因此,本文旨在进一步探讨重型汽车和客车之间的液晶显示器。LC轨迹是从新发布的HighD数据集中提取的,该数据集包含16.5小时的测量和超过11,000辆汽车。估算了液晶显示器的生存函数,分析了其特性。随后,引入加速失效时间模型来探讨影响因素。结果表明,客车和重型车的MST值分别为5.51s和6.08s。重型车辆在执行LC时,与前车保持较长的时距和时距。然而,这两个因素并没有显着影响重型车辆的液晶显示器。最后,对结果和建模意义进行了讨论。希望本文的研究能为我们进一步了解重型汽车和乘用车的LC行为做出贡献。
2021-08-08 cs.PF cs.RO cs.SY
Model-Free Control Design Procedure Applied to Lateral Vehicle Control
本文针对无模型控制缺乏系统化设计流程的问题,适配并扩展了一种非迭代三项控制器整定方法,并将其成功应用于自动驾驶汽车的横向控制设计。
2023-04-18 cs.SY eess.SY
K-SMPC: Koopman Operator-Based Stochastic Model Predictive Control for Enhanced Lateral Control of Autonomous Vehicles
针对自动驾驶车辆横向车道保持中的非线性动力学与 Koopman 建模误差问题,提出将误差概率化处理的 K-SMPC,并在 CarSim 中验证其跟踪性能与递归可行性。
2023-12-09 cs.SY eess.SY
A Vehicle-in-the-Loop Simulator with AI-Powered Digital Twins for Testing Automated Driving Controllers
Department of Electrical Engineering, Eindhoven University of Technology(电子工程系,埃因霍温理工大学);Siemens Digital Industries Software(西门子数字工业软件);Department of Mechanical Engineering, Eindhoven University of Technology(机械工程系,埃因霍温理工大学)
本文提出一种结合缩比实体车辆与AI驱动数字孪生体的车辆在环仿真器,以低成本、高保真且易扩展的方式验证自动驾驶控制器,并通过带形式化安全保证的滤波控制基准和实验证明了其有效性。
2025-07-03 cs.RO cs.SY eess.SY
Proximally Optimal Predictive Control Algorithm for Path Tracking of Self-Driving Cars
SRM Institute of Science and Technology(SRM科学技术研究所)
本文提出一种近端最优预测控制算法,作为自动驾驶车辆横向控制器,在先前转向角邻域内选择最优转向命令,以平衡跟踪效率与计算成本,并通过仿真实验验证其在路径跟踪中优于PID、Pure-Pursuit和Stanley控制器。
2021-08-05 cs.RO cs.SY eess.SY
Unleashing Automated Congestion Control Customization in the Wild
Compira Labs(Compira实验室);Hebrew University of Jerusalem(耶路撒冷希伯来大学)
针对传统通用拥塞控制难以适配多样服务与网络的问题,提出基于PCC Vivace的自动定制拥塞控制系统,分享部署经验与优化方案,在多场景验证了性能提升。
2025-05-18 cs.AI cs.LG cs.NI
Robust Control for Lane Keeping System Using Linear Parameter Varying Approach with Scheduling Variables Reduction
针对车道保持系统的线性变参数模型,提出了一种参数降阶的鲁棒控制器。车辆在弯道上的速度变化和侧倾运动都会影响车辆的横向模型参数,如轮胎的侧偏刚度。因此,我们使用LPV技术,以考虑参数的变化,在车辆动力学。然而,多个变化的参数导致大量的调度变量,并造成巨大的计算复杂度。为了降低计算复杂度,本文采用基于主成分分析(PCA)的参数约简方法,得到一个具有更紧凸集的约简模型。利用降阶模型求解一组线性矩阵不等式(LMI),设计了LPV鲁棒反馈控制器。通过在一个立交桥上使用CarSim仿真软件进行整车动力学仿真,验证了该系统的有效性。仿真结果表明,与基于线性时不变(LTI)系统的控制器相比,该方法大大减小了横向偏移误差。
2021-05-04 cs.SY eess.SY
Advanced Lane Detection Model for the Virtual Development of Highly Automated Functions
Graz University of Technology(格拉茨技术大学);MAGNA Steyr Fahrzeugtechnik AG & CO KG(麦格纳斯太尔汽车技术股份两合公司)
虚拟开发和原型已经成为自动驾驶系统(ADS)领域不可或缺的一部分。有大量的软件工具用于ADS的虚拟开发。其中一个工具是IPG Automotive的CarMaker,它广泛用于科学界和汽车行业。它为车辆、驾驶员行为、控制、传感器和环境模型提供了广泛的实施和建模可能性。为了在车辆引导层面上实现高度自动化的驾驶功能的虚拟开发,必须以逼真的方式感知环境。对于纵向和横向路径,引导线检测传感器对于确定相关感知车辆和规划轨迹是必要的。为此,车道传感器模型的开发,以有效地检测车道的仿真环境中的CarMaker。所谓的高级车道检测模型(ALDM)在计算时间方面进行了优化,用于CarMaker中的横向和纵向车辆引导。
2021-04-15 cs.RO cs.SY eess.SY
Unveiling Four Key Factors for Tire Force Control Allocation in 4WID-4WIS Electric Vehicles at Handling Limits
本研究针对4WID-4WIS电动汽车在操纵极限下的轮胎力控制分配问题,分析了垂直载荷估计、执行器动态、轮胎力约束和转向精度四个关键因素,提出了改进控制方法,并通过联合仿真验证了其有效性。
2024-03-19 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
Parameter Tuning Under Uncertain Road Perception in Driver Assistance Systems
针对驾驶员辅助系统中车道感知噪声导致横向规划参数手动整定耗时的问题,提出一种基于实测数据、考虑噪声道路估计的自动参数整定方法,通过参考曲线仿真优化规划器参数,在未见过的测试数据上提升了性能。
2025-09-03 cs.SY eess.SY
A Novel Path-Tracking Algorithm for Automated Tractor-Trailer Forward and Backward Maneuvers
UTBM(贝尔福-蒙贝利亚尔技术大学);CIAD(自动化与决策计算机科学实验室)
本文提出一种基于几何的路径跟踪算法,结合挂车横向控制与牵引车短时域预测转向调整,实现牵引车-挂车系统前进和倒车的稳定精确跟踪,无需标定或训练,仿真验证性能优于或持平经典方法。
2026-10-27 cs.RO cs.SY eess.SY
Modeling Head-Neck Dynamics under Lateral Perturbations Using MPC to Mimic CNS postural stabilization strategy
本研究针对自动驾驶中乘员易受意外运动影响的问题,扩展基于模型预测控制的框架模拟侧向扰动下头颈姿势控制,经人体数据验证效果良好,为评估自动驾驶舒适性提供支持。
2025-07-30 cs.HC cs.SY eess.SY
Longitudinal Safety Analysis For Heterogeneous Platoon Of Automated And Human Vehicles
Tsinghua University(清华大学);The University of Hong Kong(香港大学)
本文研究了不同智能车辆市场渗透率下四种碰撞避让算法对混合编队安全的影响,通过定制化仿真平台分析碰撞率和严重性。
2018-09-10 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
Lateral String Stability for Vehicle Platoons
Texas A&M University(德克萨斯A&M大学)
针对自动驾驶队列中路径跟踪误差传播的安全问题,提出基于弧长视角的横向串稳定性框架,证明仅靠车载传感无法保证误差衰减,而V2V通信可实现有效衰减。
2026-06-29 cs.RO cs.SY eess.SY
Exploring the Influence of Driving Context on Lateral Driving Style Preferences: A Simulator-Based Study
Technical University Berlin(柏林工业大学);University of Applied Science Kempten(肯普滕应用科学大学);Institute for Driver Assistance and Connected Mobility(驾驶员辅助与互联移动研究所)
本文利用高保真驾驶模拟器开展德国受试者对照实验,考察天气与对向交通等情境下自动驾驶车辆的横向驾驶风格偏好,发现更被动风格更受偏好且情境显著影响舒适度。
2024-04-10 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
A Game-Theoretic Predictive Control Framework with Statistical Collision Avoidance Constraints for Autonomous Vehicle Overtaking
本文提出GT-PRO策略,通过双层Stackelberg博弈和随机MPC解耦控制CAV纵横向动力学,结合真实数据统计特征化人类不确定性以实现避碰约束,实现更安全高效的自主超车。
2025-09-16 cs.SY eess.SY
Neural Network Tire Force Modeling for Automated Drifting
Stanford University(斯坦福大学)
本文提出神经网络轮胎力模型替代物理模型,用于自动漂移车辆控制,在非线性模型预测控制器中跟踪漂移轨迹,实验表明其在前轴制动时显著提升路径跟踪性能,能表达未建模的潜在动力学。
2024-07-18 cs.AI cs.SY eess.SY
Self-Perception Versus Objective Driving Behavior: Subject Study of Lateral Vehicle Guidance
Institute for Driver Assistance and Connected Mobility, University of Applied Science Kempten(肯普滕应用科学大学驾驶辅助与互联移动研究所);Department of Automotive Engineering, Technical University Berlin(柏林工业大学汽车工程系)
本文通过62名德国驾驶员的受控实车研究,提出评估横向弯道通过行为的新指标,并引入德语版多维驾驶风格量表MDSI-DE,发现自我报告与客观横向驾驶行为仅存在适度相关且个体差异显著,为个性化自动驾驶横向控制提供数据支持。
2024-02-21 cs.RO cs.SY eess.SY
Exploring the impact of automated vehicles lane-changing behavior on urban network efficiency
该研究利用SUMO仿真分离AV自动横向换道行为,发现其在德国汉诺威城市路网中会随渗透率提升轻微但显著地降低通行效率。
2023-09-26 cs.SY eess.SY
Path Planning and Robust Path Tracking Control of an Automated Parallel Parking Maneuver
针对低速短时域带停车换向的自动泊车需求,提出分段多项式优化路径规划及含扰动观测器的鲁棒PID跟踪控制方法,经仿真验证性能优于常见控制方案。
2024-10-07 cs.SY eess.SY
A Hybrid End-to-End and Modular Control Architecture Toward Safe Vehicle Lateral Control: Combining Soft Actor-Critic with Model Predictive Control
本文提出结合SAC与MPC的混合控制架构,在多实验中验证其兼具SAC跟踪性能与MPC安全约束,可减弱分布偏移下的失效,还讨论了相关局限性与改进方向。
2026-08-19 cs.SY eess.SY
Theoretical Development and Numerical Validation of an Asymmetric Linear Bilateral Control Model- Case Study for an Automated Truck Platoon
本文提出非对称线性双边控制模型,使自动驾驶卡车队列在动力传动系统延迟和滞后高达0.6秒时仍能保持稳定运行和恒定期望时距,优于对称模型,从而提升队列运行效率与稳定性。
2023-04-13 cs.SY eess.SY
Automated Driving Architecture and Operation of a Light Commercial Vehicle
İstanbul Okan University(伊斯坦布尔奥坎大学);Yıldız Technical University(耶尔德兹技术大学);TÜBİTAK BİLGEM Cyber Security Institute(土耳其科学技术研究理事会信息科学与安全研究所);TOFAŞ Research and Development Center(托法什研发中心);The Ohio State University(俄亥俄州立大学)
本文提出一种轻型商用车自动驾驶架构,通过线控改造、多传感器融合定位与环境感知、实时计算平台及CACC纵向控制和GPS路径跟踪,实现并验证了车辆的自动驾驶运行。
2023-05-24 cs.RO cs.SY eess.SY
Development of Safety Monitoring System of Connected and Automated Vehicles considering the Trade-off between Communication Efficiency and Data Reliability
城市交通系统的安全性被认为是世界范围内的公共健康问题,许多研究人员致力于改善这一问题。互联自动车辆(CAV)和协同智能交通系统(C-ITS)被认为是利用各种传感器和通信设备确保城市交通系统安全的解决方案。然而,在韩国部署C-ITS框架很困难,因为CAV每分钟产生大量数据,但无法通过现有的通信网络传输。因此,必须对原始数据进行采样,以减少通信网络上的数据大小,并将其传输到服务器进行进一步处理。另一方面,采样数据必须高度准确,以确保C-ITS中不同药剂的安全性。因此,在这项研究中,我们设计和开发了一个C-ITS的架构和数据流,包括CAV的安全监测系统的消息和协议,并确定了最佳的采样间隔数据传输,同时考虑通信效率和安全性能指标的可靠性之间的权衡。介绍了三个安全性能指标:严重减速、横向位置变化和碰撞时间倒数。进行了现场试验,从安装在CAV上的各种传感器收集数据,确定最佳采样间隔。进行Kolmogorov-Smirnov检验以确保采样数据集和原始数据集之间的统计一致性。分析了采样间隔对消息延迟、数据精度和通信效率的影响。
2021-09-30 cs.SY eess.SY
Stability and Equilibrium Analysis of Laneless Traffic with Local Control Laws
Indian Institute of Technology Bombay(印度理工学院孟买分校)
本文提出了一种新的多车道交通模型,其中车辆不遵循车道纪律。通过将动态分解为两个独立方向:Y轴表示运动方向,X轴表示横向或垂直于运动方向的方向,利用不同的影响图来建模车辆在这些方向上的相互作用。每个车辆在X和Y方向的瞬时加速度根据这些影响图依赖于邻近车辆的测量值。分析了在常规交通情况(如稳态流、障碍物、变道和随机改变位置的违规司机)下车辆编队的稳定性和平衡间距。推导了在这些交通事件中保持稳定性和所需车辆间距的条件,并包含了一些场景的模拟。
2015-07-30 cs.SY eess.SY
Event-triggered Add-on Safety for Connected and Automated Vehicles Using Road-side Network Infrastructure
提出了一种事件触发的附加安全机制,用于调整控制参数,使网络化车辆系统在保持机动性的同时及时制动。乘用车操纵性显著地受到组合滑移摩擦效应的影响,其中较大的纵向轮胎滑移导致横向轮胎力的显著下降。当道路上发生意外的危险情况时,这一点尤为重要,需要立即采取行动,如刹车,以避免碰撞。急刹车会导致高滑移和机动性损失,因此,及时刹车对于减少高滑移情况至关重要。除了车辆自身的主动安全系统外,在接到路边基础设施的危险通知后,将激活拟议的事件触发附加安全系统。其目的是将附加安全功能,以调整自动控制参数,以实现平稳和及时的制动,从而避免碰撞,同时保持车辆的机动性。我们研究了两种不同的无线技术,用于基础设施和车辆之间的通信,即长期演进(LTE)和第五代(5G)方案。该框架通过高保真软件模拟进行验证,并评估了包括附加功能以增加每种通信技术的安全裕度的优点。
2019-11-21 cs.SY eess.SY
Integrated Automated Car Following and Lane-changing control based on a Parametrized Deep Q-network with Hybrid Action Space
addressline= Zachry Department of Civil \& Environmental Engineering, Texas A \& M University, College Station, TX 77843, USA
研究针对联网自动驾驶车辆,提出基于参数化深度Q网络的集成控制框架,通过混合动作空间建模,将变道和跟车控制集成,经训练最大化奖励,确保安全与效率,实验显示其优于分离控制方法。
2026-07-09 cs.SY eess.SY
The effects of four-wheel steering on the path-tracking control of automated vehicles
本研究分析考虑参考路径曲率的四轮转向车辆路径跟踪控制器稳定性,推导不同策略的稳定性区域与最优控制增益,通过数值模拟表明其在高速度小曲率下提升跟踪性能、低速度大曲率下减小转弯半径的优势。
2024-12-04 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
Connected and Automated Vehicle Distributed Control for On-ramp Merging Scenario: A Virtual Rotation Approach
在这项研究中,我们提出了一个旋转为基础的连接自动车(CAV)的分布式协同控制策略的入口匝道合并的情况。通过假设主线和匝道为直线,设计了一种虚拟旋转方法,将合并问题转化为虚拟跟车问题,降低了协调CAV合并控制的复杂度和维数。在此基础上,建立了多先导虚拟CF模型和单向多先导通信拓扑,以确定各CAV的纵向行为。具体来说,我们利用一个分布式的反馈和前馈纵向控制器,准备积极产生的差距合并CAV,减少合并造成的空隙,并确保安全和交通效率的过程中。为了保证系统的干扰衰减特性,从数学上证明了虚拟CF控制器的实际串稳定性,以抑制业务流对业务振荡的放大。此外,为了扩展虚拟CF在任意弯道匝道上的应用场景,本文采用曲线坐标建模二维并线控制,并进一步设计了基于扩展线性二次型调节器的局部横向控制器来调节车道中心线的位置偏差和角度偏差。为了系统地评价所提出的方法的控制性能,进行了数值仿真实验。结果表明,所提出的控制器可以主动减少空隙,同时保证阻尼的交通振荡的合并控制区。
2022-01-18 cs.SY eess.SY
BayesRace: Learning to race autonomously using prior experience
Amazon Web Services(亚马逊云科技);University of Pennsylvania(宾夕法尼亚大学)
自动驾驶赛车需要感知、估计、规划和控制模块,这些模块在车辆操纵能力的极限下行驶时异步地协同工作。在设计这些软件组件时遇到的一个基本挑战在于高精度地预测车辆的未来状态(例如位置、方向和速度)。根本原因是难以识别捕获轮胎横向滑移影响的车辆模型参数。我们提出了一个基于模型的规划和控制框架,自动赛车,大大减少了系统辨识和控制设计所需的努力。我们的方法通过从机载传感器测量中学习,来消除基于仿真的控制器设计所引起的差距。这项工作的一个主要重点是经验,因此,我们通过验证1:43和1:10规模的自主赛车模拟实验来证明我们的贡献。
2020-11-15 cs.LG cs.RO cs.SY
Comfort-oriented driving: performance comparison between human drivers and motion planners
Delft University of Technology(代尔夫特理工大学)
运动规划是自动驾驶汽车的基本组成部分。它会影响乘坐的舒适性和时间效率。尽管有大量的研究致力于改善自动驾驶汽车的运动舒适性,但很少有人关注人类驾驶员的表现作为基线。在本文中,我们提出了一个实验研究,在公共道路上使用仪表车调查人类驾驶员如何平衡舒适性和时间效率。将人类驾驶数据与我们过去开发的两种基于优化的运动规划器进行比较。在行驶时间没有差异的情况下,人类驾驶员在纵向和横向加速度信号中产生的能量平均比最小化加速度的运动规划器多23.5%。在与运动病发生率相关的频率加权加速度能量指标方面,平均性能缺陷上升到70.2%。频域分析表明,人类驾驶员在0.2-1 Hz的频率范围内表现出更多的纵向振荡,在高达0.2 Hz的频率范围内表现出更多的横向振荡。这反映在时域数据特征中,例如较不平滑的速度曲线和长转弯的较高速度。性能差异还部分地由人类驾驶员在规划和控制车辆运动时考虑的几个实际问题和附加因素引起。本研究中收集的驾驶数据为运动规划算法提供了性能基线,可以与之进行比较,并可以进一步利用以加深对人类驾驶员的理解。
2023-01-25 cs.RO cs.SY eess.SY
Automated Controller Calibration by Kalman Filtering
Mitsubishi Electric Research Laboratories(三菱电机研究实验室)
本文提出了一种标定控制参数的方法。这样的控制参数的例子是PID控制器的增益、用于最优控制的代价函数的权重、滤波器系数、滑动模式控制器的滑动表面或神经网络的权重。因此,所提出的方法可以应用于广泛的控制器。该方法使用卡尔曼滤波器,该滤波器使用闭环系统操作的数据来估计控制参数。控制参数校准由训练目标驱动,该训练目标包括关于动力系统的性能的规范。性能驱动的校准方法在线和鲁棒地调整参数,计算效率高,数据存储要求低,并且易于实现,使得它对许多实时应用有吸引力。仿真结果表明,该方法能够快速学习控制参数,并能自整定参数以补偿干扰,对噪声具有较强的鲁棒性。仿真研究表明,该方法可以在线标定复杂动力系统的控制器,表明了该方法在实际系统中的适用性。我们还通过在dSPACE MicroAutoBox-II快速原型单元上实施我们的方法,验证了在具有汽车级处理器的嵌入式平台上的实时可行性。
2023-03-08 cs.AI cs.LG cs.RO
A Value Based Parallel Update MCTS Method for Multi-Agent Cooperative Decision Making of Connected and Automated Vehicles
School of Automotive Studies, Tongji University(同济大学汽车学院)
针对网联自动驾驶车辆多车协同决策问题,提出一种并行更新蒙特卡洛树搜索方法,通过快速排除危险动作增加搜索深度,实验表明其鲁棒性优于SOTA强化学习算法,并在协调区兼具交通效率与安全性优势。
2025-08-06 cs.AI cs.GT cs.MA
Learning to Drift in Extreme Turning with Active Exploration and Gaussian Process Based MPC
State Key Laboratory of Industrial, Zhejiang University(工业-state重点实验室,浙江大学)
提出结合高斯过程回归与模型预测控制的模型校正漂移控制器,通过主动探索漂移速度来校正模型失配并最小化轨迹误差,仿真与实验证明其显著降低了横向与速度跟踪误差。
2025-06-01 cs.AI cs.RO cs.SY
Autonomous Road Vehicle Emergency Obstacle Avoidance Maneuver Framework at Highway Speeds
The Ohio State University(俄亥俄州立大学)
自主道路车辆(ARV)可以使用诸如油门(加速)、制动(减速)和转向(横向方向的改变)的输入来导航各种类型的道路网络。在大多数涉及正常车辆交通和遇到易受伤害的道路使用者(VRU)的抗逆转录病毒药物驾驶场景中,不要求抗逆转录病毒药物采取规避行动。本文提出了一种新的紧急避障机动(EOAM)的方法,ARV行驶在较高的速度和较低的路面摩擦,涉及时间临界机动的确定和控制。所提出的EOAM框架提供了ARV的传感,感知,控制和致动系统能力作为一个内聚系统的使用,以实现避免道路上的障碍物,首先基于性能可行性,其次基于乘客舒适性,并且被设计为很好地集成在ARV高级系统内。联合仿真包括Simulink中的ARV EOAM逻辑和CarSim中的车辆模型,速度范围为55至165 km/h,路面摩擦力范围为1.0至0.1。结果进行了分析,并给出了在整个ARV系统的背景下,与未来的工作的影响。
2022-03-29 cs.RO cs.SY eess.SY
Hybrid Reinforcement Learning-Based Eco-Driving Strategy for Connected and Automated Vehicles at Signalized Intersections
University of California at Riverside(加州大学河滨分校);Beijing Jiaotong University(北京交通大学)
利用车联网(V2X)通信和自动驾驶技术,互联和自动驾驶汽车正迅速成为许多交通问题的变革性解决方案之一。然而,在信号交叉口的混合交通环境中,考虑到交通系统的复杂性和不确定性,如何提高整体吞吐量和能量效率仍然是一个具有挑战性的任务。在这项研究中,我们提出了一个混合强化学习(HRL)框架,该框架结合了基于规则的策略和深度强化学习(深度RL),以支持在混合交通信号交叉口连接生态驾驶。视觉感知方法与车辆到基础设施(V2 I)通信相结合,以在混合连接的交通中实现更高的移动性和能源效率。HRL框架有三个组成部分:一个基于规则的驾驶管理器,用于操作基于规则的策略和RL策略之间的协作;一个多流神经网络,用于提取视觉和V2 I信息的隐藏特征;以及一个基于RL的深度策略网络,用于生成纵向和横向的生态驾驶行为。为了评估我们的方法,我们开发了一个基于Unity的模拟器,并设计了一个混合交通路口的情况。此外,几个基线实施,以比较我们的新设计,并进行了数值试验,以测试的HRL模式的性能。实验表明,我们的HRL方法可以减少能源消耗的12.70%,节省11.75%的旅行时间相比,最先进的基于模型的生态驾驶方法。
2022-01-28 cs.LG cs.SY eess.SY
Reinforcement Learning Based Oscillation Dampening: Scaling up Single-Agent RL algorithms to a 100 AV highway field operational test
University of California, Berkeley(加州大学伯克利分校);École des Ponts Paristech(巴黎高科路桥学院);Vanderbilt University(范德堡大学);Temple University(天普大学);Rutgers University-Camden(罗格斯大学卡姆登分校)
本文介绍了2023年最大规模自动驾驶交通流平滑现场测试的RL控制器技术,详述其从仿真到部署的全流程、实验效果及安全硬件方案,展现RL在自动驾驶领域的应用价值与发展方向。
2024-05-14 cs.RO cs.SY eess.SY