基于鲁棒数据驱动预测控制的混行交通平滑方法用于网联自动驾驶车辆
最优化与控制
2023-10-03 v1 系统与控制
系统与控制
摘要
最近开发的 DeeP-LCC（数据赋能的预测领航巡航控制）方法在混行交通中网联自动驾驶车辆（CAVs）的数据驱动预测控制方面表现出有前景的性能。然而，其对前车未来速度误差的简单零假设可能引发安全问题，并限制其平滑交通流的性能。在本文中，我们提出一种鲁棒 DeeP-LCC 方法来控制混行交通中的 CAVs，具有增强的安全性能。具体而言，我们首先提出一种鲁棒公式，对一系列潜在速度误差轨迹强制施加安全约束，然后基于前车的过去数据估计所有潜在速度误差。我们还提供了高效的计算方法以求解用于在线预测控制的鲁棒优化。非线性交通仿真表明，我们的鲁棒 DeeP-LCC 能够在需要更少离线数据的同时提供更好的交通效率和更强的安全性能。
引用
@article{arxiv.2310.00509,
title = {Smoothing Mixed Traffic with Robust Data-driven Predictive Control for Connected and Autonomous Vehicles},
author = {Xu Shang and Jiawei Wang and Yang Zheng},
journal= {arXiv preprint arXiv:2310.00509},
year = {2023}
}