车辆跟驰投影寻踪回归模型

车辆跟驰模型是微观交通仿真的一个基本模型,基于非参数回归算法的跟车模型较好地解决了以往模型存在的典型问题,但随着样本维数增加,容易出现“维数祸根”现象。提出一种基于投影寻踪回归（PPR）技术的车辆跟驰模型,解决了“维数祸根”和高维数据间的非正态、非线性问题。PPR建模不需要对数据结构作任何假定,而只通过直接审视和分析数据进行建模,因此,该方法能充分地发掘数据中存在的信息,建立的模型符合客观实际,精度较高。经过实测数据验证,该算法用于车辆跟驰模型的研究是可行的。     

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.     

一类时变时滞车辆跟驰模型的稳定性控制

为了研究交通拥堵问题,同时了解交通拥挤形成的过程以及驾驶员自身特性对交通流稳定性的影响.本文基于复杂网络同步理论,对一类考虑前后车效应的时变时滞最优速度车辆跟驰模型的稳定性进行了研究.利用Lyapunov稳定性理论,通过设计基于速度和车头间距的自适应控制器使得该车辆跟驰模型趋于稳定,并得到了模型稳定性的条件.此外,在车辆受到随机外部扰动的情形下,研究了该模型的稳定性.最后,采用MATLAB仿真技术进行了数值模拟,结果表明在本文设计的控制器下,考虑前后车效应的时变时滞最优速度车辆跟驰模型快速趋于稳定,拥堵现象得到了有效的缓解.     

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.     

考虑车辆跟驰作用和通信时延的网联车辆队列轨迹跟踪控制

针对智能网联车辆轨迹跟踪问题, 本文通过考虑车辆跟驰作用和车车通信过程中存在的通信时延, 提出了一种分布式非线性轨迹跟踪控制器. 具体来讲, 首先, 提出一种双向领导跟随通信拓扑来描述智能网联环境下车辆间的通信连接. 其次, 考虑车辆跟驰作用和通信时延, 设计一种分布式非线性轨迹跟踪控制器. 然后, 使用Lyapunov方法证明了所设计控制器的稳定性. 最后, 考虑速度干扰作用于领导者车辆, 针对无时延、同质时延和异质时延等三种场景进行数值仿真实验. 仿真结果表明: 本文所设计的控制器不仅保证了车辆位置跟踪误差收敛到原点, 而且车辆运动规律符合交通流理论, 即无负位置跟踪误差和负速度现象.     

自动驾驶环境下交叉口车辆路径规划与最优控制模型

自动驾驶环境下的交叉口基于车车/车路之间的双向信息交互, 能保障自动驾驶车辆相互穿插与协作地通过交叉口, 而无需信号灯控制. 因此, 如何设计高效的面向自动驾驶车辆通行的交叉口管控模型, 已成为研究的热点. 已有研究在建模时, 均基于自动驾驶车辆在交叉口内部的行驶路径已知并作为模型输入, 且大多对交叉口内部的冲突点进行简化. 本文首先将交叉口空间离散化处理, 考虑车辆的实际尺寸并面向非常规交叉口, 使用椭圆曲线建立转弯车辆行驶路径的精确轨迹方程, 再通过外边界投影降维法建立轨迹方程和交叉口空间的映射关系. 建立了基于混合整数线性规划(Mixed integer linear programming, MILP)的自动驾驶交叉口管控模型, 以交叉口总延误最小为控制目标, 同时优化车辆在交叉口的最佳行驶路径和驶入时刻, 使用AMPL (A mathematical programming language)对模型进行编译并使用CPLEX求解器求解. 与经典感应控制和先到先服务模型进行对比, 结果表明, 本文所提出模型能对车辆进入交叉口的时刻和行驶路径进行双重优化, 显著降低自动驾驶车辆通过交叉口的车均延误, 提高交叉口空间的利用效率.     

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.     

含时延的车辆队列事件触发一致性控制研究

为应对通信过程中的传输时延以及车辆间连续信息交互带来的信息冗余、资源浪费,提出一种基于事件触发机制的车辆队列一致性策略,以保证车辆队列能够稳定运行;为此,构建一个考虑车辆间的跟驰行为和通信时延的三阶异质车辆队列动力学模型,提出一种基于事件触发的一致性车辆队列控制器的设计方法;在此基础上,利用Lyapunov稳定性理论和代数图论,对车辆队列的稳定性进行分析,得出了使车辆队列稳定的事件触发条件和通信时延的上界;在MATLAB平台上进行仿真实验,验证了所提车辆队列控制方法的有效性。     

基于横纵向联合控制的多目标优化车辆跟驰研究

为解决车辆在拥堵环境中因车速波动较大所带来的跟驰平稳性较差、跟踪无效或不安全等问题,提出了基于车辆模型和深度强化学习的多目标优化跟驰方案。首先基于车辆横纵向动力学建立车辆跟驰模型,然后根据车间距误差、速度误差、横向偏差及相对偏航角等,利用深度确定性策略梯度算法得到跟驰车的加速度和转向角,以更平稳安全地控制跟驰车辆。经NGSIM公开驾驶数据集进行测试与验证,该方案可有效地提升跟驰车辆的稳定、舒适与安全性,对保证交通安全和提升道路通行能力具有重要意义。     

复杂车路环境下自动驾驶车辆换道仿真研究

自动驾驶车辆换道决策的算法设计对确保自动驾驶车辆的安全平稳运行至关重要.在现有研究基础上,综合考虑了换道车辆与原车道、目标车道前后多辆车的冲突关系,通过引入车辆侵略系数建立复杂路况下的多人动态博弈模型,以寻找自动驾驶车辆在复杂车路环境下的换道决策以及轨迹线规划的最佳策略.随后,通过NGSIM(Next Generati...     

事件触发下多智能体系统一致性的干扰主动控制

本文针对带有外部干扰影响的多智能体系统,研究了基于事件触发机制下的多智能体系统Leader-Following一致性的控制问题.采用干扰观测器来估计系统中存在的干扰,并设计了基于事件触发机制的干扰主动控制方案.运用现代控制理论和矩阵论等工具分析了多智能体协同运动算法得到了多智能体系统在分布式事件触发机制下的一致性收敛条件,并且分析了本文设计的分布式事件触发机制的时间间隔存在正的下界.最后通过计算机仿真,验证了本文所提控制算法的有效性.     

基于干扰观测器的二阶多智能体系统模型参考一致性

针对受到外部干扰影响的二阶多智能系统, 提出一种新型干扰观测器的设计方案.在只有部分智能体能接收到参考模型信 号的条件下, 研究受到不同外系统生成干扰信号影响的二阶多智能体系统模型参考一致性问题.针对干扰信号由线性外系统和非线性外系 统生成的情况, 分别设计干扰观测器.进一步提出分布式控制协议, 所提出的一致性协议可以有效地抑制干扰, 最终实现多智能体 系统的模型参考一致性.仿真算例验证了所提出方法的有效性.     

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。     

具有外部干扰的混合阶多智能体系统的有限时间一致性

针对基于定变拓扑网络的具有外部干扰的混合阶多智能体系统的有限时间一致性问题,设计一个分布式有限时间控制律.将原始系统转换为一个等效系统,即一阶和二阶子系统的混合系统,保证了所有智能体达到有限时间一致性的条件.通过两个仿真实例验证了该理论及方法.     

牵制控制下的多智能体系统群一致性

本文研究了一类多智能体系统在牵制控制下的群一致性问题,提出了融合群内信息交互、群间信息交互和牵制控制器的一致性协议.对固定拓扑下的二群组智能体系统和切换拓扑下的多群组智能体系统,利用稳定性理论和图论分别给出了适用于任意拓扑结构的充要条件,使得智能体系统在所提协议和牵制控制器的联合作用下实现预期的群一致.针对拓扑图中含有生成树这一特例,分析了被施加牵制控制的智能体在结构中的具体位置.此外,对切换拓扑下进行非线性交互的多群组智能体系统,利用Lyapunov方法推导出一充分条件,得出只要对多智能体系统的一部分主体进行牵制控制,则所有智能体即可在所提协议和牵制控制器的作用下渐近收敛于各自的期望一致平衡点.最后,仿真例子验证了所提方法的有效性.     

自适应神经网络的有限时间一致性控制

多智能体系统的有限时间一致性控制问题是指通过设计有效的一致性控制协议,使得多智能体系统中每个智能体的状态趋于一致。针对这一问题,提出一种结合自适应神经网络和滑模控制方法的有限时间一致性控制协议,自适应地在线逼近系统存在的非线性,消除抖振,提高了系统的收敛速度。此外,收敛时间取决于控制器参数,可离线获取。最后通过MATLAB数值仿真,对比验证了所设计协议的有效性。     

基于滑模观测器的多智能体一致性控制

本文针对速度不可测下的多智能体系统提出一种基于滑模观测器的有限时间一致性控制算法.首先, 利用滑模观测器在有限时间内估计每个智能体的速度信息. 然后,利用估计信息设计非奇异终端滑模控制律,该控制律能够保证智能体系统在有限时间内达到一致性. 最后,通过数值仿真验证了该一致性控制算法的有效性.     

基于未知输入观测器的多智能体一致性控制

现有研究成果大多仅考虑随机噪声或未知输入干扰单一存在的情况,实际工程中两者往往同时存在.在此背景下,本文针对一类含有未知输入干扰和随机噪声的非线性多智能体系统,提出了一种一致性控制协议方法.首先,针对单个智能体系统设计未知输入观测器以消除干扰项对状态估计的影响.参考Kalman滤波器算法来求解状态反馈矩阵,使得输出残差信号的协方差最小,从而增强系统对随机噪声的鲁棒性.然后,基于观测器的状态估计信息,设计了鲁棒一致性控制协议,并将其转化为线性矩阵不等式求解问题.最后,通过一个数值仿真证明了所提方法的正确性和有效性.     

多智能体系统分布式一致性算法研究现状

综述了多智能体系统分布式一致性问题的研究现状。从理论层面介绍了一致性问题的几种常见定义及与特性相关的主要参数;总结归纳了近年来几种一致性协议及其理论分析结果;分析和阐述了一致性问题的主要应用领域的进展。展望了未来的研究方向。