基于学习的人驾-自动驾驶车辆交互建模以提升混合车队控制安全性
机器人学
2024-04-09 v2
摘要
自动驾驶车辆（AVs）在公共道路上的日益增多，迫切需要开发能够考量人类驾驶车辆（HVs）不可预测特性的先进控制策略。本研究引入一种基于学习的人驾车辆行为建模方法，将传统的第一性原理方法与高斯过程（GP）学习组件相结合。该混合模型提升了速度预测的精度，并提供了可度量的不确定性估计。我们利用该模型开发了一种基于 GP 的模型预测控制（GP-MPC）策略，通过将不确定性评估整合进距离约束中，以提升混合车辆车队的安全性。我们的 GP-MPC 方法与常规模型预测控制（MPC）策略的对比仿真表明，GP-MPC 在混合车队中确保了更安全的距离保持与更高效的行驶。通过为人驾车辆引入稀疏 GP 建模并在 MPC 中采用动态 GP 预测，我们显著降低了 GP-MPC 的计算时间，使其仅略长于标准 MPC，且比未采用这些技术的先前模型快约 100 倍。我们的发现凸显了基于学习的人驾车辆建模在涉及 AV 与 HV 交互的混合交通环境中提升安全性与效率的有效性。
引用
@article{arxiv.2303.09452,
title = {Learning-Based Modeling of Human-Autonomous Vehicle Interaction for Improved Safety in Mixed-Vehicle Platooning Control},
author = {Jie Wang and Yash Vardhan Pant and Zhihao Jiang},
journal= {arXiv preprint arXiv:2303.09452},
year = {2024}
}