混合交通中网联自动驾驶车辆模型预测控制权重基于贝叶斯优化的自适应策略
系统与控制
2023-03-14 v2 系统与控制
摘要
本文针对混合交通中的网联自动驾驶车辆（CAVs），提出了一种模型预测控制（MPC）的最优权重自适应策略。我们将 CAV 与人驾车辆（HDV）之间的交互建模为同时博弈，并构建博弈论 MPC 问题以求解该博弈的纳什均衡。在 MPC 问题中，HDV 目标函数中的权重可利用滚动时域逆强化学习在线学习。利用贝叶斯优化，我们提出一种策略来最优地自适应 CAV 目标函数中的权重，从而使仿真中使用 MPC 时的期望真实代价最小化。我们通过无信号交叉口车辆通行算例的数值仿真验证了该最优策略的有效性。
引用
@article{arxiv.2210.00700,
title = {Optimal Weight Adaptation of Model Predictive Control for Connected and Automated Vehicles in Mixed Traffic with Bayesian Optimization},
author = {Viet-Anh Le and Andreas A. Malikopoulos},
journal= {arXiv preprint arXiv:2210.00700},
year = {2023}
}
备注
accepted to ACC 2023