Datengetriebenes adaptives optimales Steuerung von vernetzten Fahrzeugen

In diesem Papier wird ein datengetriebener, modellfreier Ansatz für die adaptive optimale Steuerung einer Klasse von vernetzten Fahrzeugen vorgeschlagen, die aus n menschlich gesteuerten Fahrzeugen besteht, die lediglich Bewegungsdaten übertragen, und einem autonomen Fahrzeug im Heck, das die gesendeten Daten der vorausfahrenden Fahrzeuge über drahtlose Fahrzeug-zu-Fahrzeug (V2V) Kommunikationsgeräte empfängt. Unter Berücksichtigung der Fälle von reichweitenbegrenzter V2V-Kommunikation und Eingab saturation werden mehrere optimale Steuerungsprobleme formuliert, um die Fehler von Distanz und Geschwindigkeit zu minimieren und den Kraftstoffverbrauch zu optimieren. Durch den Einsatz einer adaptiven dynamischen Programmiertechnik werden die optimalen Controller erlangt, ohne sich auf das Wissen über die Systemdynamik zu stützen. Die Wirksamkeit der vorgeschlagenen Ansätze wird durch die Online-Lernsteuerung der vernetzten Fahrzeuge in der Verkehrsmikrosimulation von Paramics demonstriert.