Adaptive Model Predictive Control of Nonlinear Generic Urban Air Mobility Using Linear Parameter-Varying Systems
The University of Texas at Dallas(德克萨斯大学达拉斯分校)
提出一种针对全飞行包线内非线性城市空中交通飞行器的自适应模型预测控制框架,利用线性参数变表示在线更新预测模型,并采用NSGA-II多目标优化进行控制器调谐,在NASA GUAM模型上验证了改进的轨迹跟踪和鲁棒性。
2026-06-07 cs.SY eess.SY
Measuring city-scale green infrastructure drawdown dynamics using internet-connected sensors in Detroit
绿色基础设施(GI)对城市排水景观的影响在很大程度上仍然无法测量在高的时间和空间尺度。为此,引入了一个数据工具链,由一个新型的无线传感器网络支持,用于连续测量GI中的实时水位。连接互联网的传感器可以在大区域内收集高分辨率数据。介绍了底特律(密歇根州,美国)的一项案例研究,其中14个GI站点的水位于2021年6月至9月进行了现场测量。使用自动风暴分割方法分析大型数据集,该方法自动从测量时间序列中提取和分析单个风暴。风暴是用来参数化的动力系统模型GI降深动力学。该模型完全由衰减常数α来描述,衰减常数α与降深速率成正比。该参数进行了分析,跨风暴比较GI动态网站之间,并确定主要的设计和自然地理特征,驱动水位下降动态。使用斯皮尔曼的秩相关系数的相关性分析表明,地下水的深度,不透水性,经度,排水面积与表面积比是最重要的功能,解释在底特律的GI降深动态。本文讨论了这些发现的背景,并探讨了GI设计和放置的数据驱动策略的影响。
2023-02-21 cs.SY eess.SY
Real-time MPC with Control Barrier Functions for Autonomous Driving using Safety Enhanced Collocation
针对自动驾驶NMPC安全约束扩展性差、计算量大的问题,提出融合控制屏障函数、基于新型RESAFE/COL配点法的实时NMPC,速度提升5倍且更适配嵌入式硬件,避撞能力提升91%。
2024-07-11 cs.SY eess.SY math.OC
A state reduction approach for learning-based model predictive control for train rescheduling
本文提出一种用于城市轨道交通列车重新调度的基于学习的模型预测控制状态缩减方法,通过分类器与MPC分别处理离散与连续变量,有效提升了性能并减少内存使用。
2025-04-28 cs.SY eess.SY math.OC
Real-Time Unified Trajectory Planning and Optimal Control for Urban Autonomous Driving Under Static and Dynamic Obstacle Constraints
University of Waterloo(滑铁卢大学)
轨迹规划和控制在历史上被分为自动驾驶堆栈中的两个模块。轨迹规划侧重于更高级别的任务,如避开障碍物和停留在路面上,而控制器则尽最大努力遵循不断变化的参考轨迹。我们认为,这种分离是(1)有缺陷的,由于规划的轨迹和控制器可以可行地执行,(2)不必要的,由于模型预测控制(MPC)范例的灵活性之间的不匹配。相反,在本文中,我们提出了一个统一的MPC为基础的轨迹规划和控制方案,保证可行性方面的道路边界,静态和动态环境,并强制执行乘客的舒适性约束。该计划进行了严格的评估,在各种情况下,重点是证明最优控制问题(OCP)的设计和实时的【形】解决方案的有效性。原型代码将在https://github.com/WATonomous/control上发布。
2022-09-19 cs.RO cs.SY eess.SY
Distributed Stochastic Model Predictive Control for an Urban Traffic Network
在本文中,我们设计了一个随机模型预测控制(MPC)交通信号控制方法的城市交通网络的外生(入/出)流量和下游交通流的转向比的估计中的不确定性考虑。假设交通模型参数是具有已知期望和方差的随机变量,交通信号控制和协调问题被表示为具有线性和二阶锥约束的二次规划。为了降低计算复杂度,我们提出了一种方法来分解对应于整个交通网络的优化问题成多个子问题。应用交替方向乘子法(ADMM),以分布式方式找到最优的随机交通信号分配。通过VISSIM和MATLAB仿真验证了所设计控制方法的有效性。
2022-09-02 cs.SY eess.SY
Improving Urban Traffic Throughput with Vehicle Platooning: Theory and Experiments
在本文中,我们提出了一个模型预测控制(MPC)为基础的方法在城市交通环境中的车辆排队。我们的主要目标是证明,车辆排队有可能显着增加在交叉口,这可能会造成交通流量的瓶颈吞吐量。为此,我们的方法依赖于车辆连接:车辆到车辆(V2V)和车辆到基础设施(V2I)通信。特别是,我们引入了一个自定义的V2V消息集,它具有速度预测,即对未来速度轨迹的预测,这使得排队车辆能够准确地保持较短的跟随距离,从而提高吞吐量。此外,V2I通信允许车队立即对附近交通灯的状态变化做出反应,例如当交通相位变为绿色时,从而实现交通效率的额外提高。我们提出了我们的车辆排队系统的设计,然后通过估计潜在的收益方面的吞吐量,使用我们的模拟结果,以及与真实的测试车辆在一个封闭的轨道上进行的实验来评估性能。最后,我们简要地概述了我们的示范,在阿卡迪亚,加利福尼亚州的公共道路上的车辆排队。
2020-07-28 cs.SY eess.SY math.OC
THz Band Channel Measurements and Statistical Modeling for Urban D2D Environments
THz频段被设想用于6 G系统,以满足对数据速率不断增长的需求。然而,在最终的系统设计和部署可以进行之前,需要详细的信道探测测量来了解关键信道特性。在本文中,我们提出了第一个广泛的一组信道测量的城市室外环境,是超宽带(1 GHz 3dB带宽),双向的发射机和接收机都在同一高度。总之,我们在38个Tx/Rx位置对上进行了测量,总共包括近50,000个脉冲响应,在1-100 m范围内的视线(LoS)和非视线(NLoS)情况下。我们提供建模的路径损耗,阴影,延迟扩展,角度扩展和多径分量(MPC)的功率分布。我们发现,除此之外,即使在NLoS场景中,数十米的户外通信在该频率范围内也是可行的,观察到高达100 ns的全向延迟扩展和高达10 ns的定向延迟扩展,同时角扩展也非常显著,并且对于1 GHz带宽和13度波束宽度观察到数量惊人的MPC。这些结果构成了更好地理解太赫兹波段无线信道的重要的第一步。
2021-09-28 cs.SY eess.SP eess.SY
Eco-driving under localization uncertainty for connected vehicles on Urban roads: Data-driven approach and Experiment verification
本文针对城市道路联网车辆在定位不确定性下的生态驾驶问题,提出一种数据驱动MPC方法,通过学习代价函数和约束实现短时域实时速度规划,并在实车实验中实现12%的能效提升。
2024-04-04 cs.SY eess.SY
Optimization and scheduling for a large scale urban transportation system in a fast-changing world
本文提出了一套技术解决方案,利用优化和控制方法,可以在不久的将来实施,将现有的运输系统改造成更智能,互动的系统。这将改善公共服务和居民的生活质量。讨论了与人们日常生活密切相关的三个应用场景。首先,我们提出了一个交通灯调度策略,使用模型预测控制(MPC)的方法,目的是公平地减少行人和车辆的延误。在此基础上,提出了调度操作一体化系统以提高控制灵活性,并给出了相应的上车控制实现方案。最后,提出了一种将公共交通和自动驾驶汽车系统相结合的可能方案,以改善现有的公共交通系统。
2023-01-28 cs.SY eess.SY
Distributed MPC-based Coordination of Traffic Perimeter and Signal Control: A Lexicographic Optimization Approach
Posts and Telecommunications Institute of Technology(邮电研究院);Gwangju Institute of Science and Technology(光州科学技术院)
针对城市交通网络拥堵问题,提出基于字典序优化的区域与信号协同控制策略,采用MPC保障约束满足,通过ADMM实现分布式求解,仿真验证了策略的有效性。
2025-10-05 cs.SY eess.SY
Boundary Control of Traffic Congestion Modeled as a Non-stationary Stochastic Process
在本文中,我们介绍了一种新的基于守恒的方法来模拟交通动力学,并应用模型预测控制(MPC)的方法来控制边界的交通流入和流出,从而减少交通拥挤。我们建立了一个接口之间的仿真城市流动性(SUMO)软件和MATLAB定义的网络互联的道路(NOIR)作为一个有向图,交通拥堵管理作为一个网络控制问题。通过正式指定的交通可行性条件,并使用线性时序逻辑,我们提出了建议MPC为基础的边界控制问题作为一个二次规划的线性等式和不等式约束。通过对费城中心城市交通拥堵控制的仿真,验证了该方法的有效性。
2021-10-11 cs.SY eess.SY
Differentiable Predictive Control for Large-Scale Urban Road Networks
Pacific Northwest National Laboratories(太平洋西北国家实验室);University of Pennsylvania(宾夕法尼亚大学)
本文提出基于可微预测控制(DPC)和宏观基本图的城市路网控制方法,在保证约束满足的同时,相比MPC实现计算时间降低4个数量级、交通性能最高提升37%,并具备良好的场景适应性。
2024-06-14 cs.LG 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
Learning-based model predictive control for passenger-oriented train rescheduling with flexible train composition
Delft University of Technology(代尔夫特理工大学);Beijing Jiaotong University(北京交通大学)
本文提出一种结合学习与优化方法的模型预测控制方法,用于实时列车重调度,考虑灵活编组和车辆周转,以应对时间变化的乘客需求。
2025-07-31 cs.SY eess.SY
A Unified MPC Strategy for a Tilt-rotor VTOL UAV Towards Seamless Mode Transitioning
Carnegie Mellon University(卡内基梅隆大学)
提出一种基于MPC的统一控制策略,解决倾转旋翼VTOL无人机无需模式切换的控制分配问题,利用四旋翼冗余设计提升容错性,在性能上优于PID控制器并实现平滑过渡与精确转弯。
2024-02-12 cs.RO cs.SY eess.SY
Energy-efficient predictive control for connected, automated driving under localization uncertainty
本文提出一种数据驱动的模型预测控制方法,通过学习终端成本与约束优化互联自动驾驶车辆的纵向运动,实现城市道路节能行驶,仿真与车辆在环实验表明其平均能效较传统方法提升19%。
2024-07-29 cs.SY eess.SY
Reinforcement Learning with Model Predictive Control for Highway Ramp Metering
Delft Center for Systems and Control, Delft University of Technology(代尔夫特理工大学代尔夫特系统与控制中心)
本研究提出将强化学习嵌入模型预测控制框架,用于高速公路匝道控制,通过构建阶段成本函数和函数近似,在模型不确定下学习优化控制策略,减少拥堵并满足约束,性能优于其他先进控制器。
2025-02-03 cs.AI cs.SY eess.SY
VisioPath: Vision-Language Enhanced Model Predictive Control for Safe Autonomous Navigation in Mixed Traffic
System Engineering Program, Cornell University(Cornell大学系统工程项目);School of Civil and Environmental Engineering, Cornell University(Cornell大学土木与环境工程学院);School of Electrical and Computer Engineering, Cornell University(Cornell大学电气与计算机工程学院)
VisioPath结合视觉-语言模型与模型预测控制,利用鸟瞰视频和零样本VLM获取周围车辆信息,构建椭圆避碰势场并集成到最优控制中,通过微分动态规划求解,在SUMO仿真中优于传统MPC,实现安全轨迹规划。
2025-07-08 cs.RO cs.SY eess.SY
Model Predictive Control of Autonomous Mobility-on-Demand Systems
Department of Aeronautics & Astronautics, Stanford University(斯坦福大学航空航天系)
本文提出一种模型预测控制方法,用于优化自主按需出行系统中的车辆调度与路径规划,通过离散时间模型整合现实约束并证明算法稳定性,实验证明其在中等规模系统中能实时运行并优于传统控制策略。
2016-02-16 cs.SY eess.SY
Centralized Decision-Making for Platooning By Using SPaT-Driven Reference Speeds
FZI Research Center for Information Technology(弗赖堡信息科技研究中心);Karlsruhe Institute of Technology (KIT)(卡尔斯鲁厄理工学院)
针对城市车队节油通行问题,提出基于 V2X 与 SPaT 数据的集中式非线性 MPC 决策方法,结合跟随控制与动态拆分消息,在 CARLA 中实现最高 41.2% 的节油并提升通行效率。
2025-05-09 cs.RO cs.SY eess.SY