车辆跟随控制策略的状态可达集建模及验证方法

车辆动态行为的不确定性会造成跟随车辆控制的不确定性.传统的车辆跟随控制方法只是针对车辆的单一行为动态的不确定性进行建模,无法遍历车辆所有可能的控制输入,因而,既无法一次性提供跟随策略下完整的可行控制方案,也不足以在理论上保证对策略安全检测的可信性.为此,提出车辆跟随控制策略的状态可达集建模及验证方法.该方法将控制策略转换为能用可达集计算和表征的多级安全判定事件,利用随机可达集的状态遍历特征描述车辆控制输入的不确定性,通过对可达集交集的判断,辨识所有初始条件对应的危险与安全控制行为,为驾驶员提供完整的可选择控制方案;然后利用马尔科夫链逼近可达集,近似表达车辆行为的不确定性,依据驾驶员行为习惯统计验证策略的安全性,实现对控制策略的有效建模分析.实验结果表明,所提出的建模及验证方法不仅可以完备地表征车辆不确定行为,提供交通情形中跟随策略相应的完整控制方案,也可实现对策略安全性的精确验证.     

信号灯作用下的车辆跟驰行为研究

跟驰模型是交通流理论的研究热点.在分析了目前交通流跟驰理沦的基础上,探讨了信号灯对车辆跟驰行为的影响,提出了改进的交通流跟驰模型.该模型以信号控制交叉口为主要研究区域,以车头间距和信号灯颜色状态作为输入,以车辆跟驰状态为输出,从而建立了分段函数模型,并用仿真软件进行了实验验证,结果证明了模型的可行性.最后,对该研究方向进行了展望.     

自动驾驶车辆道路跟驰与状态一致性控制

针对含有未知输入和外部干扰的非线性自动驾驶车辆时变跟驰队列系统,研究系统部分状态可测情况下的车辆道路跟驰和状态一致性控制问题.基于车辆跟驰和二自由度动力学模型,得到含有外部干扰和未知输入的离散化状态方程,利用前导跟驰特性,得到自动驾驶车辆跟驰队列系统;利用比例积分状态观测器解决系统部分状态不可测问题,提出一种基于观测器实现含有未知输入和外部干扰的自动驾驶车辆状态一致性控制协议;将观测器估计效果和一致性控制问题转化为误差系统的稳定性问题,由此构造Lyapunov-Krasovkii函数,利用离散系统稳定性理论推导出一个充分条件;通过求解线性矩阵不等式(linear matrix inequality, LMI)得到跟驰系统的增益矩阵和参数矩阵,利用H_∞性能指标分析系统鲁棒性.仿真结果表明:所设计观测器能够估计未知输入、外部干扰和系统状态,并且基于观测器设计能够使自动驾驶车辆道路跟驰和状态达到一致.     

跟驰驾驶行为的滑模控制系统建模

为量化描述跟驰驾驶行为的特质,即个人意志(即稳速驾驶)与环境干扰(即车辆间距、速度差、加速度差)间的动态调和,剖析了跟驰驾驶行为的"运动跟踪(即跟驰车辆对前导车辆速度、加速度轨迹的跟踪)"特性与"刺激-反应"机理,建立了"刺激-反应"行为模式下跟驰驾驶行为的2阶滑模控制系统模型;通过数学分析验证了本模型控制的跟驰车辆运动的Lyapunov渐近稳定性.并通过数值仿真说明了本模型控制的跟驰车队的运动可能具备Lyapunov渐近稳定性.     

基于IDM与RBFNN的组合型车辆低速跟驰模型

目前针对车辆低速跟驰驾驶的建模研究较少。通过最优加权理论将理论驱动型跟驰模型与数据驱动型跟驰模型进行结合,建立了一种基于智能驾驶者模型（IDM）与径向基函数神经网络（RBFNN）的组合型车辆低速跟驰模型。首先对NGSIM公开数据集进行筛选与处理得到基础研究数据;之后分别建立基于IDM与RBFNN的低速跟驰模型,前者侧重于保证跟驰的安全性与舒适性,后者则能够输出与真实值更为相符的预测结果;最后通过改进的最优加权目标函数得到最优组合权重,从而建立起了IDM-RBFNN组合模型。用平均相对误差（MARE）进行了评估,并通过对比分析证明了组合模型具有比单一模型更优的预测效果。     

基于模糊聚类的车辆跟驰隶属度函数确定方法

当前研究确定车辆跟驰模糊推理隶属度函数时所采用的方法主要是专家法,不能精确获得车辆跟驰隶属度函数。针对于此,提出根据模糊聚类分析的方法,考虑车辆跟驰数据内部的关联性,利用基于高斯函数的隶属度函数确定方法,进行车辆跟驰模糊集的划分和隶属度函数的确定。使用真实的车辆轨迹数据,将后车速度、前后车相对速度、车间距作为输入变量,后车加速度作为输出变量建立模糊推理系统,对论文提出的基于模糊聚类的车辆跟驰隶属度函数确定方法进行评价。结果表明：本文提出的新方法能真实反映数据本身的特征和驾驶员的心理生理特性,其推理结果与真实数据误差较小,可用于分析模糊推理的车辆跟驰行为特点。     

时延网络控制系统的模型预测控制

针对有输入约束的不确定时延网络控制系统,提出鲁棒模型预测控制方法;其中,将不确定时延建模为范数有界的输入矩阵的不确定性．给出了鲁棒性能指标的上界和系统渐近稳定的充分条件,通过在线求解LMI凸优化问题得到状态反馈控制律．仿真例子验证了该方法的有效性．     

基于模糊神经网络的车辆跟驰决策的研究

为了减少高速公路车辆跟驰行驶过程中引发的追尾碰撞事故,并保证行车效率,对高速公路车辆跟驰行为进行了分析.本文基于模糊控制和神经网络等理论知识,建立了一种正则化模糊神经网络跟驰控制决策模型.实验仿真表明,该模型系统较好的反应了一定道路条件下的车辆跟驰行为,且系统响应速度快,控制精度高,保证了车辆跟驰行驶的安全性和行车效率.     

基于双向GRU与残差拟合的车辆跟驰建模

为了提高微观交通仿真中车辆跟驰建模的准确性与泛化能力,将物理类模型与深度学习相结合,提出一种基于双向GRU(门控循环单元)与残差拟合的跟驰模型框架.该框架使用双向GRU网络对物理类跟驰模型预测值与真实值的残差进行学习,并在NGSIM公开数据集上进行测试.通过对比IDM、GIPPS、GM三种跟驰模型下的残差拟合效果,表明...     

不确定线性系统的可达集估计

本文针对线性不确定系统,研究了系统状态可达集估计问题.在已知参考输入,未知扰动有界的条件下,提出了一种新的可达集估计方法,并把所提方法推广到系统不稳定的情况,分别估计出不稳定系统的闭环可达集和开环可达集.通过分析动态系统的李雅普诺夫函数,将求取系统可达集的问题转化为线性矩阵不等式优化问题,并将可达集范围用椭球集形式表述.最后分别通过数值仿真分析,验证了所提出方法对线性系统可达集估计的有效性.     

Design and evaluation of a model predictive vehicle control algorithm for automated driving using a vehicle traffic simulator

This paper describes the design and evaluation of a model predictive control algorithm for automated driving on a motorway using a vehicle traffic simulator. For the development of a highly automated driving control algorithm, motion planning is necessary to satisfy driving condition in various road traffic situations. There are two key issues in motion planning of automated driving vehicles. One of the key issues is how to handle potentially dangerous situations that could occur in order to guarantee the safety of vehicles. The second key issue is how to guarantee the disturbance rejection of the controller under model uncertainties and external disturbances. To improve safety with respect to the future behaviors of subject vehicles, not the current states but rather the predicted behaviors of surrounding vehicles should be considered. The desired driving mode and a safe driving envelope are determined based on the probabilistic prediction of surrounding vehicles behaviors over a finite prediction horizon. To obtain the desired steering angle and longitudinal acceleration for maintaining the subject vehicle in the safe driving envelope during a finite prediction horizon, a motion planning controller is designed based on an model predictive control (MPC) approach. The developed control algorithm has been successfully implemented on a vehicle electronic control unit (ECU). The proposed control algorithm has been evaluated on a real-time vehicle traffic simulator. The throttle, brake, and steering control inputs and the controlled vehicle behavior have been compared to those of manual driving.     

随机需求车辆路径问题的价值逼近在线决策

随着高效实时物流的发展,不确定车辆路径问题面临着兼顾决策精度和实时响应能力的新挑战.本文以应用最为广泛的随机需求车辆路径问题为例,研究提出一种有效的在线决策方法.首先,考虑多车辆同时在线,以总旅行成本最小化为目标,建立马尔科夫决策模型,并引入可信度约束和邻域半径减少策略缩小行动空间,提高求解效率.其次,设计强化学习中的...     

A robust stochastic stability analysis approach for power system considering wind speed prediction error based on Markov model

This paper proposes a robust stochastic stability analysis approach with partly unknown transition probability by considering the wind speed prediction error in power system. Firstly, taking this prediction error into account, based on Markov modeling theory, the stochastic dynamic model of wind power system with uncertain transition probability is developed. Secondly, according to the stochastic stability theory of Markov jump system, the transition probability of wind power system mode is divided into three cases: fully known, only known upper and lower bounds, and completely unknown. Then, by using linear matrix inequality (LMI) technology, a robust stochastic stability criterion with disturbance attenuation is obtained. Finally, test results show that the proposed analysis approach does not need to obtain the trajectory of the actual system operation parameters, and has the advantages of high computational efficiency.     

基于随机Petri网的可修系统可用性模糊评价

结合模糊集理论和随机Petri网理论提出了一种可修系统可用性建模与分析的新方法——模糊随机Petri网方法。随机Petri网的状态可达图同构于连续时间马尔可夫链，由可达图可得到系统的稳定状态概率方程组。利用模糊代数理论解该模糊方程组即可得到系统转移概率和各种性能指标的模糊数，通过解模糊可得到系统的可用性指标值。文章进行了实例分析并与已有文献作比较，举例进行分析求解，结果表明该方法是可行的。     

基于长短期记忆网络的高速公路车辆变道轨迹预测模型

高速公路车辆车速、车距、行驶方向等因素都是动态变化的,受外界环境干扰,采集到的目标车辆状态特征数据可能存在噪声,导致车辆变道轨迹预测存在误差,为此提出基于长短期记忆网络的高速公路车辆变道轨迹预测模型,有效预测高速公路车辆变道轨迹,改善车辆行驶条件,保障其安全运行。通过激光雷达、GPS等装置采集目标车辆交通数据,将其合理组合成目标车辆状态观测特征向量,并构建相应的特征向量矩阵,将所构建目标车辆状态观测特征向量矩阵作为1层卷积神经网路输入,提取目标车辆状态观测特征向量潜在特征后,以1层卷积神经网络输出结果为双向长短期记忆网络有效输入,经过无数次模型训练后,输出目标车辆变道轨迹预测结果。实验结果表明:该模型可有效预测高速公路车辆变道轨迹,预测出的轨迹横纵坐标误差极低,能够得到较为理想的高速公路车辆变道轨迹预测结果。     

不确定性车辆路口的轨迹预测

在城市道路中,实时、准确、可靠地对移动车辆进行轨迹预测具有极高的应用价值,不仅可以提供准确的基于位置的服务,而且可以帮助过往车辆预知前方的交通状况。目前,移动车辆的轨迹预测方法主要基于历史轨迹的欧氏空间进行,并未考虑在受限路网中采用不确定性历史数据的车辆轨迹预测。针对这一问题,提出一种补全路径的基于马尔科夫链的轨迹预测方法,其优势在于:重新定义了补全路径算法,弥补了不确定性历史数据的不完整性,利用马尔科夫链低时间复杂度、高预测准确度的优势实现预测,避免了因频繁模式挖掘带来的查询时间过长而影响预测效率以及存在多余噪声影响轨迹预测准确率的问题。通过真实数据和实验分析表明:在参数设置相同的情况下,该方法比挖掘频繁轨迹模式算法的预测准确率平均提高了18.8%,预测时间平均缩减了80.4%。因此,该方法对于车辆路口的轨迹预测具有较高的预测准确率,并且能预测一系列的车辆未来轨迹。     

具有自适应噪声边界的Tube可达集鲁棒预测控制

针对过程噪声设定边界与真实噪声边界失配的有界干扰离散线性不确定系统,提出一种具有自适应噪声边界的Tube可达集鲁棒模型预测控制方法.首先,该算法引入基于MIT规则的自适应集员滤波在线估计系统状态和噪声边界.其次,基于估计值,通过迭代自适应集员滤波的时间更新部分计算出预测时域内闭环不确定系统状态的可达集.最后,用可达集代替不变集并根据Tube鲁棒模型预测控制策略,给出了实际不确定系统的控制律,确保系统状态鲁棒渐近稳定,并收敛于终端干扰不变集.仿真结果验证了该控制方法的有效性.     

随机马尔可夫跳变系统的变结构控制设计

采用滑动扇区方法,研究了不确定随机马尔可夫跳变系统的变结构控制设计问题。首先给出随机马尔可夫跳变系统滑动扇区的定义,然后基于线性矩阵不等式技术,提出一种滑动扇区及变结构控制律设计方法。经过理论证明该控制律能够确保随机马尔可夫跳变不确定系统二次稳定,并有效地抑制抖振。最后数值仿真算例验证了控制方案的有效性。     

Resilient and Safe Platooning Control of Connected Automated Vehicles Against Intermittent Denial-of-Service Attacks

Connected automated vehicles (CAVs) serve as a promising enabler for future intelligent transportation systems because of their capabilities in improving traffic efficiency and driving safety, and reducing fuel consumption and vehicle emissions. A fundamental issue in CAVs is platooning control that empowers a convoy of CAVs to be cooperatively maneuvered with desired longitudinal spacings and identical velocities on roads. This paper addresses the issue of resilient and safe platooning control of CAVs subject to intermittent denial-of-service (DoS) attacks that disrupt vehicle-to-vehicle communications. First, a heterogeneous and uncertain vehicle longitudinal dynamic model is presented to accommodate a variety of uncertainties, including diverse vehicle masses and engine inertial delays, unknown and nonlinear resistance forces, and a dynamic platoon leader. Then, a resilient and safe distributed longitudinal platooning control law is constructed with an aim to preserve simultaneous individual vehicle stability, attack resilience, platoon safety and scalability. Furthermore, a numerically efficient offline design algorithm for determining the desired platoon control law is developed, under which the platoon resilience against DoS attacks can be maximized but the anticipated stability, safety and scalability requirements remain preserved. Finally, extensive numerical experiments are provided to substantiate the efficacy of the proposed platooning method.