车队化中的故障检测与人工干预：多模型框架
系统与控制
2025-04-30 v1 系统与控制
摘要
车队化是提高交通效率和吞吐量的有前景的解决方案之一。然而，单车故障（包括与相邻车辆的通信中断）会显著扰乱车队性能，甚至可能引发级联效应。类似于现代自动驾驶车辆，车队系统需要在故障期间由人类司机控制，导致车辆由具有不同驾驶风格的司机操作的情形。本文提出了一种新颖的多模型方法，用于仅通过尾部车辆测量，同时识别信号丢失位置和司机态度。该方法通过分析扰动通过车队系统的传播模式来区分注意力集中和分散的司机行为。除了车队化应用外，我们的方法为使用多模型方法检测司机行为提供了新的框架。为了提高实时应用的计算效率，我们引入一种基于所选模型和加权插值的数 Blending 式识别方法，显著减少所需模型的数量 while 保持检测准确性。通过在高保真 CarSim/Simulink 环境中的仿真验证了该方法的有效性。结果表明，所提出的方法能够准确识别信号丢失的位置以及相应的司机行为。该方法最小化了故障检测的复杂性和成本，同时确保了准确性和可靠性。
引用
@article{arxiv.2504.20209,
title = {Fault Detection and Human Intervention in Vehicle Platooning: A Multi-Model Framework},
author = {Farid Mafi and Mohammad Pirani},
journal= {arXiv preprint arXiv:2504.20209},
year = {2025}
}