基于模型预测控制与神经网络的密集交通换道
系统与控制
2024-03-29 v1 系统与控制
摘要
本文提出了一种在线平滑路径换道控制框架。我们重点关注车间距狭窄的密集交通场景，此时与周围驾驶员的协作对于完成换道操作至关重要。我们提出了一种两阶段控制框架，通过利用驾驶意图生成平滑的换道操作，将模型预测控制（MPC）与生成对抗网络（GAN）相协调。为了提高实际性能，该系统配备了自适应安全边界和卡尔曼滤波器以减轻传感器噪声。在不同交通密度和其他驾驶员协作水平的场景下进行了仿真研究。仿真结果验证了所提方法的有效性、驾驶舒适性和安全性。
引用
@article{arxiv.2403.19633,
title = {Lane-Change in Dense Traffic with Model Predictive Control and Neural Networks},
author = {Sangjae Bae and David Isele and Alireza Nakhaei and Peng Xu and Alexandre Miranda Anon and Chiho Choi and Kikuo Fujimura and Scott Moura},
journal= {arXiv preprint arXiv:2403.19633},
year = {2024}
}