[论文解读] Lookup Table-Based Consensus Algorithm for Real-Time Longitudinal Motion Control of Connected and Automated Vehicles

Ziran Wang, Kyungtae Han+3 more|arXiv (Cornell University)|Feb 20, 2019

Distributed Control Multi-Agent Systems参考文献 18被引用 8

一句话总结

本文提出一种基于查找表的共识算法，用于联网和自动驾驶车辆（CAVs）的实时纵向运动控制，根据初始车辆状态动态优化控制增益。通过预先计算理想增益的查找表，该方法在四种不同场景下相比固定增益和线性反馈方法，显著减少了收敛时间和最大 jerk。

ABSTRACT

Connected and automated vehicle (CAV) technology is one of the promising solutions to addressing the safety, mobility and sustainability issues of our current transportation systems. Specifically, the control algorithm plays an important role in a CAV system, since it executes the commands generated by former steps, such as communication, perception, and planning. In this study, we propose a consensus algorithm to control the longitudinal motion of CAVs in real time. Different from previous studies in this field where control gains of the consensus algorithm are pre-determined and fixed, we develop algorithms to build up a lookup table, searching for the ideal control gains with respect to different initial conditions of CAVs in real time. Numerical simulation shows that, the proposed lookup table-based consensus algorithm outperforms the authors' previous work, as well as van Arem's linear feedback-based longitudinal motion control algorithm in all four different scenarios with various initial conditions of CAVs, in terms of convergence time and maximum jerk of the simulation run.

研究动机与目标

• 解决现有共识算法在 CAV 纵向控制中使用固定、预设控制增益所存在的局限性。
• 在不同初始条件下，提升实时性能，包括收敛速度和乘坐舒适度（以 jerk 衡量）。
• 开发一种动态、自适应的控制策略，根据当前车辆状态选择最优增益。
• 实现基于共识的控制在联网和自动驾驶车辆系统中的实际部署。

提出的方法

• 预先计算一个查找表，以存储不同初始相对位置和速度下 CAV 的最优控制增益。
• 算法根据车辆编队的实时初始条件，从查找表中动态选择控制增益。
• 共识控制框架采用分布式方法，其中每辆车根据与相邻车辆的相对间距和速度调整其加速度。
• 控制增益通过数值仿真离线优化，以最小化收敛时间和最大 jerk。
• 该方法用自适应增益选择替代固定增益设计，提升了在各种初始条件下的鲁棒性。
• 通过四种不同初始条件场景的数值仿真对算法进行了验证。

实验结果

研究问题

• RQ1 通过查找表实现的动态增益选择如何影响 CAV 纵向控制中的收敛时间？
• RQ2 基于查找表的共识算法是否在乘坐舒适度和收敛性能方面优于固定增益和线性反馈控制？
• RQ3 初始相对位置和速度的差异对 CAV 编队控制性能有何影响？
• RQ4 与先前方法相比，该方法在不同初始条件下如何保持稳定性和性能？

主要发现

• 在所有四个测试场景中，基于查找表的共识算法均比作者先前的固定增益方法和 van Arem 的线性反馈控制具有更快的收敛速度。
• 最大 jerk 显著降低——表明乘坐舒适度得到改善——相比基线线性反馈和先前的固定增益方法。
• 该算法在各种初始条件下表现出鲁棒性能，包括较大的间距和速度差异。
• 查找表实现了控制增益的实时自适应，提升了动态编队场景下的响应速度和稳定性。