Shuhan Wang-A0046

Dans sa présentation Stochastic Driver Model Based Controller for Human-Lead Vehicle Platooning, Shuhan Wang et ses collègues Jia Hu et Yiming Zhang de l’Université Tongji ont proposé un nouveau contrôleur de régulateur de vitesse adaptatif coopératif (CACC) pour répondre aux défis de sécurité posés par l’utilisation d’un véhicule à commande humaine (HV) en tant que chef de peloton. Elle a souligné que les technologies actuelles de HL-CACC sont confrontées à des difficultés importantes en raison de l’incertitude du comportement de conduite du conducteur humain. Pour résoudre ce problème, les chercheurs ont conçu une approche de contrôle qui intègre des modèles de prédiction stochastique et un modèle de contrôle prédictif basé sur des scénarios (SMPC) pour prédire les intentions futures du conducteur et atténuer ainsi l’impact de cette incertitude sur les conduites en peloton. Le contrôleur proposé présente les caractéristiques suivantes : il permet de naviguer confortablement dans un trafic à des vitesses fluctuantes, assure la sécurité en garantissant la stabilité des trajectoires et effectue des calculs rapides adaptés à l’implémentation en temps réel. Pour évaluer ses performances, les chercheurs ont effectué des tests sur la plateforme de simulation PreScan et Simulink. Les résultats montrent que le contrôleur peut stabiliser la vitesse et l’accélération pendant les oscillations causées par le véhicule de tête, permettre aux véhicules suivants de prédire les changements de vitesse du conducteur de tête et prendre des mesures appropriées pour assurer la sécurité, et confirmer la stabilité de la trajectoire du peloton. Ce contrôleur a prouvé son efficacité pour un déploiement en temps réel. L’auteur a conclu que ce contrôleur traite efficacement les incertitudes du comportement de conduite humaine tout en améliorant considérablement le confort, la sécurité et l’applicabilité en temps réel des technologies HL-CACC, ce qui fait progresser l’application pratique des systèmes de platooning.

Shuhan Wang