Data-driven parameter estimation for optimal connected cruise control
Data-driven parameter estimation for optimal connected cruise control
复制标题
用于最佳联网巡航控制的数据驱动参数估计
DOI：
--
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
G. Orosz
中科院分区：
文献类型：
--
作者：
Jin I. Ge;G. Orosz
在本文中，我们提出了一种基于数据的算法来识别人类跟车模型中的参数，以促进在实际交通中实现联网巡航控制。我们首先提出一个四车实验，其中记录每辆车的轨迹。使用实验数据，我们确定每个驾驶员的跟车参数。使用人体参数的平均值，我们在四辆车串中的最后一辆车上实现了最佳连接的巡航控制器。我们通过数值模拟证明，与人类驾驶员相比，基于人体参数估计的最佳联网车辆设计在车头时距、速度和加速度方面的变化要小得多。
In this paper we propose a data-based algorithm to identify parameters in a human car-following model, in order to facilitate the implementation of connected cruise control in real traffic. We first present a four-car experiment where the trajectory of each vehicle is recorded. Using the experimental data we identify the car-following parameters for each driver. Using the mean values of human parameters, we implement an optimal connected cruise controller on the last vehicle in the four-car string. We demonstrate by numerical simulation that the optimal connected vehicle design based on human parameter estimation has much smaller variations in headway and velocity, and acceleration compared with the human driver.