connected and automated vehicles | BriefGPT

关键词connected and automated vehicles

搜索结果 - 19

5G 及其后续 V2X 网络中的零日攻击检测的联邦学习
利用深度自编码器方法检测基于良性网络流量模式的攻击，通过联邦学习训练侵入检测系统，同时保护 CAVs 的隐私并减少通信开销。在最新的网络流量数据集上进行的深入实验表明，该系统实现了高检测率，并最小化误报率和检测延迟。
PDF3 days ago
混合交通合作车道变换的深度强化学习算法性能比较
协同车道变换机制在考虑人工驾驶车辆的不确定性和人车之间的微观交互作用的基础上，利用最先进的深度强化学习算法，通过性能比较证明了 PPO 算法在安全性、效率性、舒适性和生态性等方面具有更好的性能，为 CAV 的车道变换规划带来了更大的优势。
PDF11 days ago
CAV-AHDV-CAV：通过一种新颖的车辆跟随结构和强化学习减轻 CAV 的交通振荡
我们提出了一种新颖的 “CAV-AHDV-CAV” 车辆跟随框架，该框架将两辆 CAV 之间的 HDV 序列视为一个单一实体，消除了个体驾驶员行为的噪声。通过对车辆平衡状态的分析和采用一种状态融合策略，我们的深度强化学习方法在多样化的数据集
PDF13 days ago
通过车辆间传感器融合增强轨道管理系统
车联网，车辆自动化，车辆间通信，在车辆感知方面提供更高效，更可靠的运用的创新技术。
PDF2 months ago
基于强化学习的自适应控制屏障函数的滑动时限控制在安全关键系统中的应用
通过使用基于控制障碍函数的强化学习（RL）的递进式规划控制（RHC）方法，我们提出了一种用于解决安全关键问题的最优控制方法，以模型预测控制（MPC）和控制障碍函数（CBFs）为基础，通过优化参数和学习控制输入，有效提高了性能并显著减少了不可
PDF3 months ago
生成模型与联网自动驾驶车辆：探索交通与人工智能的交集调查
本研究探讨生成模型和连接自动驾驶车辆（CAV）两个开创性力量对技术和交通的历史和影响。通过关注生成模型在 CAV 背景下的应用，本研究旨在揭示这种整合如何提高自动驾驶车辆中的预测建模、模拟准确性和决策过程。本论文讨论了在交通运输中将生成模型
PDF4 months ago
基于密集强化学习的自动驾驶车辆适应性测试环境生成
通过融合多个替代模型并优化其组合系数以增强评估效率，我们开发了一种自适应测试环境，通过采用二次规划将优化问题表达为回归任务，并利用强化学习方法高效获取回归目标，实现了加速评估的效果验证。
PDF4 months ago
HawkRover：一种自主的毫米波车载通信测试平台，具备多传感器融合和深度学习功能
提出了一种自主、低成本的测试平台，用于收集大量共位的毫米波信号和其他传感器数据，以促进毫米波车辆通信的研究和发展。通过多模态数据融合和人工智能的应用，预计在 “连接” 的研究领域带来重大进展。
PDF6 months ago
SiCP：面向联网和自动驾驶车辆的三维物体检测的同时个体和协作感知
通过提供一种名为 Simultaneous Individual and Cooperative Perception (SiCP) 的通用框架，该研究论文解决了合作感知领域的一个问题，即缺乏其他车辆共享特征图可能导致合作感知性能下降的困境
PDF7 months ago
MACP：高效的合作感知模型适应
该论文提出了一种名为 MACP 的新框架，通过将单一代理预训练模型配备合作能力，以实现来自单一代理的转变，并通过冻结其大部分参数并添加轻量级模块来适应模型。实验证明该框架能够有效利用合作性观测，并在模拟和真实合作感知基准测试中表现优异，同时
PDF8 months ago
互联与自动驾驶车辆的联邦学习：现有方法和挑战综述
机器学习在互联和自动化车辆（CAV）的关键任务中被广泛应用，然而，由于对车辆数据进行模型训练，导致了与车辆用户隐私和通信开销相关的重大挑战。联邦学习是一种分散的机器学习方法，使多个车辆可以协作开发模型，从不同的驾驶环境中进行学习，提高整体性
PDFa year ago
面向连接和自动化车辆的信任感知鲁棒控制与协同
本文探讨了利用安全框架保障联网自动驾驶汽车网络的安全，通过识别攻击者的关键对策，提出了一个依靠信任框架的控制方案，能够保障安全协调。同时，还提出了 Sybil 攻击的检测和缓解方案，模拟结果表明，我们的方案能够检测 Sybil 攻击并有效缓
PDFa year ago
基于驾驶风险潜力场的综合道路车辆行人风险管理框架 RCP-RF
我们提出了一种名为 RCP-RF 的全面驾驶风险管理框架，基于潜在场理论在联网和自动驾驶汽车环境下，在该框架中，行人风险度量结合到统一的道路 - 车辆驾驶风险管理框架中。不同于现有算法，我们的框架合法地考虑了自我和障碍车之间的运动趋势和行人
PDFa year ago
混合交通中的联网自动驾驶车辆：学习人类驾驶员行为以实现有效的匝道并入
该论文提出了一种学习连接和自动化车辆 (CAV) 与进入匝道的人驾驶车辆 (HDV) 进行安全控制的方法，使用高度信息状态模型，学习了混合交通情况下 HDV 的行为，并生成安全控制策略，然后在 CAV 与 HDV 交互的模拟场景中进行了验证
PDFa year ago
基于深度学习模型的协同自动驾驶载具编队在路口的协调控制
本文提出了一种通过结合深度学习和在线搜索的算法（AlphaOrder）来解决无信号交叉口机器人交通的最优通过顺序问题，该算法可用于实时生成近似最优的通过顺序，并可以用于管理多个自动引导车（AGVs）和无人机（UAVs）等机器人的抢占式资源共
PDF2 years ago
增强驾驶员行为模型用于高保真模拟研究碰撞检测算法
本文使用模拟平台进行了复杂的交通仿真实验，针对连通与自动驾驶汽车的驾驶行为进行了建模，并分析了多种人为与机制相关的因素对交通网络的影响。
PDF2 years ago
通过增强多模态强化学习实现鲁棒的加速道路合并
本文提出了一种名为 RAMRL 的新型多模态加强学习方法，以解决自动驾驶中的匝道合流问题。通过利用 CAVs 之间的无线通信，并同时利用 BSM 与监视图像来提供多模态观察，通过 PPO 学习策略模型，以实现可靠的合流操作，并对方向盘控制进
PDF2 years ago
面向连接和自动化车辆的合作感知消息生成
本文探讨车辆如何使用 V2X 通信交换信息以实现集体感知，介绍了 ETSI 关于集体感知规则的提议，并提出了改进算法以提高 V2X 通信可靠性和 CAVs 的感知。
PDF5 years ago
城市交通路口联网自动化车辆的最优控制与协调
本文提出了一个民间最优控制框架，该方法可以协调联网和自动化的车辆穿过城市区域的相邻两个交叉口，并优化车辆加减速度降低油耗，保证在不使用交通信号灯的情况下交叉口的流畅与行车安全和避免拥堵。最后在仿真实验中证实了该方法的有效性，并表明车辆油耗和
PDF9 years ago