面向协同自适应巡航控制中干扰车辆的基于学习的随机模型预测控制设计
系统与控制
2018-02-27 v1
摘要
车对车（V2V）通信在危急驾驶情形下具有极大潜力以提升各类驾驶辅助系统的反应精度。协同自适应巡航控制（CACC）作为一种自动化应用，为驾驶员提供诸如最大化交通吞吐量与避免碰撞等额外益处。CACC系统必须设计得对所有特殊操纵具有充分鲁棒性，例如干扰车辆切入CACC车队或前车急刹。为解决此问题，本文第一部分提出一种基于神经网络（NN）的切入检测与轨迹预测方案。接下来，构建一个概率框架，其中切入概率根据上述切入预测模块的输出计算。最后，设计一种特定的随机模型预测控制器（SMPC），其融入该切入概率以增强对检测到的危险切入操纵的反应。整体系统被实现，并利用来自安全驾驶模型部署（SPMD）的真实驾驶场景评估其性能。
引用
@article{arxiv.1802.09356,
title = {A Learning-based Stochastic MPC Design for Cooperative Adaptive Cruise Control to Handle Interfering Vehicles},
author = {Hadi Kazemi and Hossein Nourkhiz Mahjoub and Amin Tahmasbi-Sarvestani and Yaser P. Fallah},
journal= {arXiv preprint arXiv:1802.09356},
year = {2018}
}
备注
10 pages, Submitted as a journal paper at T-IV