用于平滑混合交通流的去中心化鲁棒数据驱动预测控制
最优化与控制
2024-10-08 v2 系统与控制
系统与控制
摘要
在联网自动驾驶车辆（CAVs）与人类驾驶车辆（HDVs）共存的混合交通中，对 CAVs 进行数据驱动预测控制有望实现全系统交通性能的提升。然而，现有大多数方法集中于集中式架构，这不仅计算上不可扩展，而且无法保护数据隐私。对未知扰动的鲁棒性也尚未得到妥善解决，引发了安全隐患。在本文中，我们提出了一种去中心化鲁棒 DeeP-LCC（数据驱动预测领航巡航控制）方法，供 CAVs 平滑混合交通流。具体而言，每辆 CAV 根据其所属子系统本地可用的数据计算控制输入。同时，相邻子系统之间的相互作用被建模为有界扰动，并为此提出了适当的估计方法。随后，我们构建了一个鲁棒优化问题，并给出了其可计算的求解方案。与集中式构建相比，我们的方法在获得更优安全性能的同时大幅减轻了计算负担，且自然地保护了数据隐私。大量的交通仿真验证了其抑制波动能力、安全性能以及计算优势。
引用
@article{arxiv.2401.15826,
title = {Decentralized Robust Data-driven Predictive Control for Smoothing Mixed Traffic Flow},
author = {Xu Shang and Jiawei Wang and Yang Zheng},
journal= {arXiv preprint arXiv:2401.15826},
year = {2024}
}