基于学习型终端代价模型的CAV交通感知生态驾驶控制
系统与控制
2025-10-13 v1 系统与控制
摘要
互联与自动驾驶车辆（CAV）通过生态驾驶技术在提升能源效率和降低车辆排放方面具有显著潜力。CAV中的控制算法利用前方路线信息和车对万物（V2X）通信来优化车辆性能。然而，现有的生态驾驶策略往往忽略宏观交通效应，如发生在优化时间范围之外的交通拥堵，而这些因素对车辆能效有显著影响。本工作提出了一种基于神经网络（NN）的新方法，用于近似模型预测控制（MPC）框架中的终端代价，显式地纳入上游交通动态。通过将交通拥堵纳入优化过程，所提出的交通感知方法相比交通无关方法产生了更节能的速度轨迹，对行驶时间的影响极小。该框架可扩展至实时实现，同时有效应对来自动态交通条件和宏观交通事件的不确定性。
引用
@article{arxiv.2510.08980,
title = {Traffic-Aware Eco-Driving Control in CAVs via Learning-based Terminal Cost Model},
author = {Mehmet Fatih Ozkan and Dennis Kibalama and Jacob Paugh and Marcello Canova and Stephanie Stockar},
journal= {arXiv preprint arXiv:2510.08980},
year = {2025}
}