面向人领驾重型卡车编队的分布式随机模型预测控制
系统与控制
2022-01-31 v1 系统与控制
摘要
人领驾卡车编队系统已被提出，以兼顾人类监督与车辆自主性的优势。配备人类引导与自主技术的人领驾卡车编队系统比全自动化编队系统更能灵活应对不确定的交通状况。本文提出了一种面向人领驾重型卡车编队的新型分布式随机模型预测控制（DSMPC）设计。所提DSMPC设计将人驾领头卡车随机驾驶员行为模型与编队中跟随自动驾驶卡车的分布式编队控制设计相集成。人驾领头卡车的驾驶员行为通过随机逆强化学习（SIRL）方法学习。所提随机驾驶员行为模型旨在从给定的一组驾驶员特定演示中学习代价函数的分布，以表征人类驾驶员行为的丰富性与独特性。分布式编队控制包括一种串行DSMPC，其具有保证的递归可行性、闭环机会约束满足性和弦稳定性。通过仿真研究在若干真实交通场景下考察了所提设计的有效性。与基线编队控制策略（确定性分布式模型预测控制）相比，所提DSMPC在约束违背和间距误差方面实现了更优的控制器性能。
引用
@article{arxiv.2201.11859,
title = {Distributed Stochastic Model Predictive Control for Human-Leading Heavy-Duty Truck Platoon},
author = {Mehmet Fatih Ozkan and Yao Ma},
journal= {arXiv preprint arXiv:2201.11859},
year = {2022}
}
备注
To appear in IEEE Transactions on Intelligent Transportation Systems