Bu tədqiqat, birləşməlı nəqliyyat vturşuəsiların bir karvan halinde ilərlerken eyni hədəf sürəta ulaşmasını, aralarındaki hədəf məsafəyi korumasını və bir vasitəta oluşan mövqe xətasının karvan boyunca büyümemesini sşəbəkəlamak üçün səhmlanmış iyerarxik model proqnozlaşdırıcı idarəetmə (Distributed Hierarchical Model Predictivə Control, DMPC) yanaşması geliştiriyor. Metod iki hedefi birbirinden ayırıyor: tek vturşuəçin izləmə sabitlığı alt qatda, qonşu vasitəlarla dinamik konsensus isə üst qatda optimize ediliyor. Alt qatdan elde edilən sabitlik xərcinin optimum dəyəri, üst qatdaki konsensus problemine kontraktiv bir məhdudiyyət kimi bşəbəkəlanıyor. Teorik analiz, belirtilən fərziyyəlar və məhdudiyyətlər altında rekursiv tətbiq olunabilirlik, asimptotik vasitə sabitlığı və \(\rho_i<1\) xəta sönümləməsiyle predecessor–follower string stability sşəbəkəlandığını göstərir. Yedi vasitəlı əsas simulyasiyada 19 m/s'den 20 m/s'ye sürət keçidi və 20 m hədəf məsafə başarıyla izlenirken, metod 3 və 12 vasitəlı karvanlarda, beş heterogen nəqliyyat vturşuəsita, 24 m/s təcili sürətlənmə, 16 m/s təcili yavaşlama və roll müqavimətinin ±%10 değiştiği ssenarilarda da ədədi kimi sınanıyor.

Tədqiqatnın əhəmiyyətli fərqı, sabitlik ilə vasitəlar arası konsensusyı tek bir çəkilı xərc funksiyasında birleştirmemesidir. Geleneksel çəkilı MPC'de doğru çəkilərin seçimi qapalı dövrə davranışını güclü biçimde etkiləyebilir. Tədqiqatçıların simulyasiyaunda çəki və məhdudiyyət pulmetrleri nominal dəyərlərinden uzaklaştırıldığında W–MPC'de belirgin sürət və məsafə rəqslərı oluşurken önerilən D–MPC daha düzgün keçici davranış göstərir. Bununla belə bu müqayisə dış pozucu eklenmiş bir işmlılıq testi deyildir; idarəetmə dizayn pulmetrlerinin əzələıtlı değiştirilmesine dayalı bir simulyasiyadur.

Real vaxtlılık açistilikndan yedi vasitəlı simulyasiyada moximum tek-adım çözüm süreleri 0,2700–0,2818 s arasında və 0,3 s nümunələmə müddətinin altında kalmıştır. Ancaq kullanılan bilgisayarın apult təminatıı raporlanmamış və nəzarətçi real bir vasitə ECU'sunda çalıştırılmamıştır. Həmçinin ana model sıfır rabitə gecikməsi, sıfır paket təkansi, düz yol və pozucusuz sistem varsaymaktadır. Buna görə tədqiqat real avtomobil yolunda avtonom nəqliyyat vturşuəsi karvanı təhlükəsizği və ya real V2X şəbəkəı altında tədqiqat garantisi değil, güclü nəzəri nəticələr və ədədi simulyasiya doğrulaması sunmaktadır.

Türkiyə baxımından: Metod, gelecekte birləşməlı və otomatik vasitəların karvan idarəetməü açistilikndan Türkiyə'deki tədqiqat və inkişaf tədqiqatlarına uyarlanabiləcek bir idarəetmə arxitekturası sunmaktadır; lakin tədqiqat Türkiyə'deki yol, V2X infrastruktursı, taşıt filosu və ya rabitə koşullarını kullanmamıştır. Yerel tətbiq üçün real gecikmə və paket təkansi dşəbəkəılımları, fərqli vasitə sinifları, eğimli yollar, yol tutunma değişimleri, sensor/aktuator xətaları, yasal təhlükəsizlik gereklilikleri və avtomotiv sinifı hesablama apult təminatıı üzerinde ayrıca doğrulama lazımdır. Mənbədəki simulyasiya nəticələrindan Türkiyə yollarında müəyyən bir təhlükəsizlik, tutum və ya trafik axın kazancı çıkarılamaz.

Nəqliyyat vturşuəsi karvanında iki fərqli idarəetmə problemi niyə var?

Bir nəqliyyat vturşuəsi karvanında “bütün vasitəların eyni sürətda gitələməsi” tek başına yeterli deyildir. Her vturşuəçin kendi sürət və mövqe xətasının sabit biçimde sıfıra yaklaşması lazımdırken, qonşu vasitəların da birbirleriyle tutarlı bir hərəkət göstermesi lazımdır.

Tədqiqatçılar bu iki hedefi şu şəkilde ayırmaktadır:

• Yerel sabitlik: Her vturşuəçin kendi mövqe və sürət nəşrmalarının tarazlıq nöqtəsina yaklaşması.
• Dinamik konsensus: Bir vturşuəçin qiymətləndirmə edilən hərəkətinin kendi önceki qiymətləndirməsi və haberleştiği qonşuların qiymətləndirməleriyle uyumlu hale gelmesi.

Bu ayırma xüsusilə vacibdir; çünki yalnız konsensusyı optimize etmek her zaman tek tek vasitəların sabitlığını garanti etmeyebilir. Tədqiqatnın Şəkil 3b'sinde yalnız dynamic-consensus xərcinin kullanıldığı C–MPC ssenarisu bunun ədədi örneğini məlumatr: mövqe xətaları sıfıra yaxınlaşmaz və sistem sabit bir formasyona yerleşmez.

Nəqliyyat vasitəsi modeli hansı dəyişənleri kullanıyor?

Konvoydaki \(p_i\) vturşuəçinın mövqeu \(s_i\), sürətı \(v_i\), liderin istinad mövqeu \(s_L\), istenen sürət \(v_0\) və hedef vasitəlar arası məsafə \(d\) kimi diaqnozmlanıyor.

Mövqe xətası:

\[ e_{p,i}=s_L-s_i-(i-1)d \]

sürət xətası isə:

\[ e_{v,i}=v_i-v_0 \]

kimi diaqnozmlanıyor.

Durum vəktörü:

\[ x_i(k)= \begin{bmatrix} e_{p,i}(k)\\ e_{v,i}(k) \end{bmatrix} \]

şəklindədir.

Tədqiqatçılar uzununa dinamiği aerodinamik və roll dirençlerini de içeren xətti olmayan ayrık zamanlı modelle ifadə edir:

\[ e_{p,i}(k+1) = e_{p,i}(k)+e_{v,i}(k)\Delta t \]

\[ e_{v,i}(k+1) = e_{v,i}(k) + \frac{\Delta t}{m_i} \left( \frac{\eta_{T,i}}{r_i}u_i(k) - \phi_i(e_{v,i}(k)) \right) \]

və:

\[ \phi_i(e_{v,i})= C_{A,i}e_{v,i}^{2} + m_i g\mu_i \]

kimi məlumatlmektedir.

Burada \(m_i\) avtomobil kütləsini, \(C_{A,i}\) aerodinamik müqavimət katsayistiliknı, \(r_i\) təkər radiusunı, \(\mu_i\) roll direnç katsayistiliknı və \(\eta_{T,i}\) mexaniki səmərəliliki temsil etmektedir.

Birim notu: Mənbə \(u_i\)'yi istenen sürmə/əyləc momenti kimi diaqnozmlarken simulyasiya bölümünde idarəetmə sərhədını 3000 N kimi yazmaktadır. Moment diaqnozmıyla `N` vahidi boyutsal kimi uyuşmadığından bu dəyər mənbəta məlumatldiği biçimi aşacak şəkilde düzeltilmemiştir.

String stability tam kimi ne anlama geliyor?

Bir karvanda lider sürət değiştirince bütün vasitəlarda keçici mövqe xətası oluşabilir. Kritik soru, bu hadiaqnozn arqaya doğru büyüyüp büyümediğidir.

Mənbə predecessor–follower string stability üçün:

\[ \max_{k\geq0}|e_{p,i}(k)| \leq \rho_i \max_{k\geq0}|e_{p,i-1}(k)| \]

koşulunu kullanır və:

\[ 0<\rho_i<1 \]

ister.

Bu eşitsizlik sşəbəkəlandığında takip eden vturşuəçin ən böyük mövqe xətası öndeki vturşuəçin ən böyük xətasından küçüktür. Böylece pozucu və ya keçici xəta karvan boyunca çoğalmak yerine azalır.

Tədqiqat performans qiymətləndirməsi amacıyla ayrıca təxminən ±0,5 m ayırma xətası sərhədı önerir. Ancaq bu dəyər birbaşa fiziki toqquşma önleme məhdudiyyətı kimi formüle edilmemiştir.

Karma rabitə topologiyası nədir?

Nəqliyyat vasitəsilar arasındaki rabitə yönlü bir qrafik:

\[ G=\{H,C,A\} \]

ilə modellenmektedir. \(H\) vasitə düyünlərini, \(C\) rabitə birləşməlarını və \(A\) qonşuluq matrisini temsil eder.

\(a_{ij}=1\) olması bir vturşuəçin başka bir araca bilgi aktardığını göstərir. Böylece bazı rabitə birləşməları yalnız tek yönde, bazıları iki yönde ola bilər. Mənbə bunu “mixed communication topology” kimi diaqnozmlar.

Şəkil 2'de yedi ayrı topoloji çizimi mövcuddur. Bunların bazılarında yalnız ardıcıl vasitə birləşməları, bazılarında isə birkaç vturşuəçi atlayan uzun birləşməlar və çift yönlü bilgi yolları birlikdə mövcuddur. Simülasyonların amacı metodun tek bir sabit lider–takipçi rabitə şemasına bşəbəkəlı olmadığını göstermektir.

Dinamik konsensus xərci neyi ölçüyor?

Her vasitə üçün üst qatın xərci:

\[ J_{i,c}(x_i(k),u_i(k)) = \sum_{t=0}^{N-1} L_{i,c}(x_i(t|k),u_i(t|k)) \]

biçiminde diaqnozmlanıyor.

Aşama xərci:

\[ L_{i,c} = \|x_i-x_i^a\|_{F_i} + \sum_{j\in\Omega_i} \|x_i-x_j^a\|_{G_j} \]

struktursındadır.

İlk terim vturşuəçin yeni qiymətləndirməsinin daha önce varsaydığı kendi trayektoriyasınden ne kadar uzaklaştığını, ikinci terim isə aldığı qonşu qiymətləndirməlerinden ne kadar uzaklaştığını cezalandırmaktadır.

Buna görə MPC yalnız takip xətasını değil, rabitə şəbəkəındaki vasitəların gelecekteki hərəkət planlarının birbirleriyle tutarlılığını da optimize eder.

Alt qat sabitlığı necə optimize ediyor?

Tek vasitə üçün sabitlik xərci standart pozitiv diaqnozmlı MPC struktursına sahiptir:

\[ J_i = x_i^T(N|k)P_i x_i(N|k) + \sum_{t=0}^{N-1} \left[ x_i^T(t|k)Q_i x_i(t|k) + u_i^T(t|k)R_i u_i(t|k) \right] \]

\(Q_i\), \(R_i\) və terminal \(P_i\) matrisleri pozitiv diaqnozmlı xərc strukturlarını oluşturur. Problem 2 bu xərci minimize ederek:

\[ u_i^s(k) \]

sabitlik fokuslı optimum idarəetmə ardıcıllığıni üretir.

İki MPC qatı necə birbirine bşəbəkəlanıyor?

Tədqiqatnın en əhəmiyyətli matematiksel yeniliği burada ortaya çıkıyor. Alt sabitlik probleminden elde edilən optimum xərc \(J_i^s\), üst konsensus probleminde bir sərhəd oluşturmak üçün kullanılıyor:

\[ J_i(x_i(k),u_i(k)) \leq \phi_i(x_i(k),\lambda_i) \]

və:

\[ \phi_i(x_i(k),\lambda_i) = J_i^s(x_i(k)) + \lambda_i \left[ J_i^o(x_i(k-1)) - J_i^s(x_i(k)) \right] \]

şəklində diaqnozmlanıyor.

Kaynşəbəkəın metod və ispatında:

\[ 0\leq\lambda_i<1 \]

istifadə olunur.

Bu kontraktiv məhdudiyyət, üst qatın daha iyi vasitəlar arası konsensus ararken alt qatın sşəbəkəladığı sabitlik xüsusiliğini aşırı derecede bozmasını maneələr.

Örütubətli ayırma: Məqalənin kendisi Equation 13'ün birbaşa bir minimum məsafə və ya toqquşma təhlükəsizği məhdudiyyətı olmadığını açıqça belirtir. Ana tapşırıqi, bir sonraki MPC adımında yine uygulanabilir bir çözüm bulunabilmesini desteklemektir.

Hiyerarşik yanaşma ilə çəkilı MPC arasındaki fərq nədir?

Alternatif yanaşmada sabitlik və konsensus terimleri eyni xərc funksiyasına bir çəki katsayistilik \(\tau\) ilə eklenebilir. Ancaq uygun çəkilərin dövr dışı təcrübəlerle seçilmesi lazımdır.

Tədqiqatda Weighted MPC üçün:

\[ \tau=0,7 \]

istifadə edilmişdir.

Şəkil 4'te idarəetmə çəkiləri və kontraktiv məhdudiyyət pulmetrleri nominal dəyərlərinden saptırıldığında W–MPC'nin məsafə və sürət cevapları daha belirgin rəqs göstərirken D–MPC daha düzgün sönümlenmektedir.

Bu müqayisəda dış yol pozucusu və ya rabitə arızası uygulanmadığı xüsusilə qeyd edilir. Buradaki “robustluk”, mənbəta öncelikle idarəetmə ayarlarının değişmesine həssaslıq anlamındadır.

Özyinelemeli tətbiq oluna bilmə niyə kritik?

MPC'nin bir zaman addımında çözüm bulması tek başına yeterli deyildir. Bir sonraki adımda da məhdudiyyətlərın tamamını sşəbəkəlayan yeni bir idarəetmə ardıcıllığı bulunabilmelidir.

Teorem 1, terminal geri əlaqə yasası və ilgili pulmetr koşulları altında önceki optimum dizinin kaydırılmış biçiminden yeni bir uygulanabilir aday oluşturulabildiğini göstərir. Böylece uygulanabilir başlanğıc kümesi \(X_{i,N}\), qapalı dövrə üçün invariant set kimi ele alınmaktadır.

Asimptotik sabitlik necə gösteriliyor?

Teorem 2'de optimum MPC xərci Lyapunov benzeri dəyər funksiyası kimi istifadə olunur. Kaynşəbəkəın tistehsalinde:

\[ V_i^o(k)-V_i^o(k-1) \leq -(1-\lambda_i)L_i(\cdot) \leq0 \]

sonucuna ulaşılmaktadır.

\(L_i\) pozitiv diaqnozmlı və \(0\leq\lambda_i<1\) olduğunda xərc qapalı dövrə boyunca azalır və tarazlıq nöqtəsinın asimptotik sabitlığı elde edilir.

Mənbə daxilində matematiksel not: Teorem 2'nin başlık cümlesi bir noktada “\(\lambda_i\geq0\)” derken ispat və önceki diaqnozm açıqça \([0,1)\) aralığını kullanmaktadır. Buna görə koşul genişletilərek \(\lambda_i\geq1\) üçün geçerliymiş gibi yorumlanmamıştır.

String stability ispatı neye dayanıyor?

Teorem 3'ün əsas fikri, proqnoz üfüqünun her noktasında takipçinin mövqe xətasının öndeki vturşuəçin xəta zərfının \(\rho_i\) bərknı geçmemesidir.

Receding-horizon tətbiqsında optimum dizinin ilk idarəetməü real sisteme uygulandığı üçün eyni sərhəd qapalı dövrə xətasına aktarılır. \(\rho_i<1\) olduğundan xətaların arka vasitəlara doğru büyümediği sonucuna ulaşılır.

Bu matematiksel garanti mənbəta belirtilən tətbiq oluna bilmə, model və rabitə fərziyyəlarına bşəbəkəlıdır.

Temel yedi vasitəlı simulyasiya necə kurulmuş?

Homojen nəqliyyat vturşuəsi modeli hansı fiziki pulmetrlerle çalışıyor?

Son altı saniyede mövqe xətaları realten sıfır mı?

Mənbə metin mövqe xətalarının sıfıra yaxınsadığını ifadə edir. Ancaq son altı saniyenin istatistiklerini vəren Cədvəl 3, çok küçük fakat sıfır olmayan orta dəyərlər raporlamaktadır:

Buna görə sonlu simulyasiya müddətindeki ədədi nəticə təxminən 9–10 mm orta qalıq xəta səviyyəindedir. Teorik asimptotik yaxınlaşma ilə sonlu zaman simulyasiyaundaki ədədi qalıq birbirinden ayrılmalıdır.

Kontrolcü 0,3 saniye üçünde hesablama yapabiliyor mu?

Mənbədə yedi vasitə üçün her MPC adımının hesablama müddəti ölçülmüşdür. Bütün moximum dəyərlər 0,3 saniyelik nümunələmə müddətinin altında kalmaktadır.

Heterojen vasitəlar necə sınandı?

Beş vasitəlı ikinci ssenarida kütlə, aerodinamik müqavimət, təkər radiusı, roll müqaviməti və mexaniki səmərəlilik vasitətan araca değiştirilmiştir.

Şəkil 6'da bütün vasitəların sürətlarının istinadı takip ettiği və göreli mövqe xətalarının küçüldüğü gösterilmektedir. Bu nəticə, metod tarafından kullanılan lokal vasitə modellərinin fərqlilaştırılabildiğini göstərir.

Ancaq yalnız beş pulmetrik vasitə istifadə edilmişdir; şin, güc aktarma, əyləc, aktuator gecikməsi və ya sensor fərqlilıklarının tam fiziki modeli test edilmemiştir.

Metod daha uzun karvanlara ölçeklenebiliyor mu?

Şəkil 7'de metod ayrıca 12 vasitəlı və 3 vasitəlı homogen karvanlarda çalıştırılmıştır. Her iki durumda da mövqe xətalarının küçüldüğü və sürətların hedef 20 m/s'ye yerleştiği görülmektedir.

Bu nəticə metodun yalnız yedi vasitəlık tek bir strukturya kilitli olmadığını destekler; lakin tədqiqat hesablama xərcinin vasitə sayistilikyla matematiksel və ya eksperimental büyüme eğrisini vərmemektedir. Buna görə çok büyük vasitə filolarına xətti biçimde ölçeklendiği iddia ediləmez.

Fərqlı rabitə şəbəkəlarında ne oluyor?

Şəkil 8'de Şəkil 2b və Şəkil 2c'deki fərqli qarışıq rabitə birləşməları üçün yedi vasitəlı simulyasiyalar məlumatlmişdir. Her iki topolojide de vasitə sürətları təxminən 20 m/s'de birleşirken mövqe xətaları küçük dəyərləre sönmektedir.

Bu, idarəetmə yasasının yalnız tek bir adjacency matrix'e özgü olmadığını dəstəkləyir. Ancaq ana model rabitə paketlerinin zamanında və təkansız ulaştığını kabul etmektedir.

Uzlaşma çəkiləri davranışı değiştiriyor mu?

Üç çəki kombinasyonu araşdırılmışdır:

Şəkil 9–10 bu fərqı mövqe xətaları və dinamik konsensus dəyər fonksionlarının zamana bşəbəkəlı azalması üzerinden göstərir. Mənbə dəqiq bir saniye cinsinden convərgence-time cədvəlsu vərmediğinden bu keyfiyyət sıralama ədədi süreye çevrilmemiştir.

Acil sürətlənmə və yavaşlamada ne oluyor?

Şəkil 11a'da istinad sürət 24 m/s'ye yükseltilmiştir. Konvoy keçici sürətlənmə sonrasında hedef dəyəre yerleşmekte və vasitəlar arası göreli mövqe xətaları küçülmektedir.

Şəkil 11b'de hədəf sürət 16 m/s'ye düşürülmektedir. Nəqliyyat vasitəsilar kısa keçici prosesten sonra yeni sürəta yerleşmektedir.

Mənbə simulyasiyada izin məlumatlen təcil aralığını −5 ila +5 m/s² kimi vərmektedir və qrafiklerde idarəetmə cevabı bu sərhədlar üçünde kalmaktadır.

Yol koşulu değişiminde ne test edildi?

Tədqiqat, \(\mu_i\) roll direnç katsayistiliknı nominal dəyərin təxminən ±%10 çmərhələsinde değiştirerek başka bir simulyasiya realleştirmektedir. Şəkil 11c'de vasitəların yenidən ortak hedef davranışa ulaştığı gösterilmektedir.

Buradaki \(\mu_i\), tədqiqatın uzununa direnç modelinde kullanılan roll müqaviməti katsayistilikdır. Bu təcrübə tam şin–yol sürtünmə çemberi, buzlanma, hidroplaning və ya xətti olmayan şin qüvvəleri simulyasiyau deyildir.

Gerçek rabitə gecikməleri niyə henüz çözülmüş sayılmıyor?

Ana formülasyon açıqça rabitə gecikməsi və paket təkansi olmadığını varsaymaktadır. Bölüm 6'da müəlliflər bunun real V2X şəbəkəları üçün məhdudiyyət olduğunu kabul etmektedir.

Gelecekte önerilən fikirler arasında gecikmə xətasını karşılamak üçün robust constraint tightening, offset-free idarəetmə, integral etki və ya disturbance observər və şəbəkə kalitesine göre dinamik təhlükəsizlik səhmları mövcuddur.

Bunlar məqaləde uygulanmış və Şəkil 3–11'de test edilmiş mevcut alqoritmnın bir parçası deyildir; gelecekteki genmüəssisə önerirəlidir.

Federated learning bu tədqiqatda realten kullanıldı mı?

Hayır. Bölüm 6.3, federated learning ilə iyerarxik MPC arasında konseptual bir köprü kurmaktadır. Müəlliflər gelecekte üst qatın ortak trafik davranışını öğrenen bir global aggregator, alt qatın isə vasitə tməhsule özgü personalized client gibi düşünülebiləceğini tartımmaktadır.

Benzer biçimde kategori yönlendirmeli graph convolution və onlayn \(\lambda\) öğrenimi de gelecekteki arxitektura fikirleridir. Mevcut simulyasiya nəticələri bu üsullarin etkisini ölçmemektedir.

Tədqiqatın dəstəklədiyi nəticələr

• Kararlılık və dinamik konsensus hedefleri iki iyerarxik MPC problemi kimi ayrılabilir.
• Kararlılık optimum dəyərinin kontraktiv məhdudiyyət kimi kullanılması, belirtilən fərziyyəlar altında rekursiv tətbiq olunabilirlik analizine imkân məlumatr.
• Kaynşəbəkəın koşulları altında tek vasitə tarazlıq nöqtəsi üçün asimptotik sabitlik gösterilmektedir.
• \(\rho_i<1\) mövqe xəta məhdudiyyətı altında predecessor–follower string stability üçün yeterli koşullar türetilmiştir.
• Yedi vasitəlı simulyasiyada iyerarxik D–MPC, çəkilı W–MPC'ye göre pulmetr değişimlerinde daha düzgün keçici cavab göstərmişdir.
• Model 3, 5, 7 və 12 vasitəlı çeşitli ədədi ssenarilarda ortak sürət və məsafə davranışı oluşturabilmiştir.
• 24 m/s sürətlənmə, 16 m/s yavaşlama və ±%10 roll müqaviməti değişimi ssenarilarında simulyasiya sabitlığı qorunmuşdur.
• Yedi vasitəlı testte bütün tek-adım optimallaşdırma süreleri 0,3 s nümunələmə müddətinin altında kalmıştır.

Tədqiqatın dəstəkləmədiyi və ya test etmədiyi nəticələr

• Gerçek nəqliyyat vturşuəsi karvanında yol və ya pist təcrübəi strukturlmamıştır.
• Gerçek V2V/V2X rabitə gecikməsi və paket təkansi ana nəzarətçi üzerinde test edilmemiştir.
• Kontraktiv məhdudiyyət birbaşa toqquşmasızlık və ya minimum fiziki məsafə garantisi deyildir.
• Yüzlerce vasitəlık büyük ölçekli karvanlarda hesablama və rabitə ölçeklenebilirliği doğrulanmamışdır.
• Gerçek ECU üzerinde worst-case execution time və ya prosessor yükü ölçülməmişdir.
• Eğimli yollar, sensor xətaları, əyləc/aktuator arızaları və güclü dış pozucular mevcut simulyasiyalarda yoxdur.
• Federated learning, graph neural network və ya onlayn öğrenilən \(\lambda\) mevcut metodde uygulanmamıştır.
• Mənbədə tartımılan gecikmə dayanıqlılığı mevcut matematiksel garantiyle eksperimental kimi doğrulanmamışdır.
• Fərqlı topolojilər test edilmiş olsa da tek bir koşu sırasında sürətli və işmlı topology switching üçün kapsamlı təcrübə təqdim edilməmişdir.
• Simülasyonda mövqe xətaları sonlu zaman boyunca tam kimi sıfır deyildir; təxminən santimetre altı/santimetre ölçeğinde qalıqlar mövcuddur.

Tədqiqatın metodu və nəticələri

Kontrol probleminin əsas struktursı

Her vasitə, proqnoz üfüqü \(N\) boyunca kendi idarəetmə ardıcıllığıni:

\[ u_i(k)= \{ u_i(0|k), u_i(1|k), \ldots, u_i(N-1|k) \} \]

kimi optimize eder.

Karşılık gelen durum dizisi:

\[ x_i(k)= \{ x_i(1|k), x_i(2|k), \ldots, x_i(N|k) \} \]

şəklindədir.

Üst qat: Problem 1

Problem 1 dinamik konsensus xərcini minimize eder. Başlıca məhdudiyyətlər:

• Doğrusal olmayan vasitə dinamiği,
• Durum və idarəetmə sərhədları,
• Terminal bölge,
• String-stability mövqe xəta sərhədı,
• Kontraktiv sabitlik sərhədı

kimi müəyyən edilmişdir.

Alt qat: Problem 2

Problem 2 eyni vasitə dinamiği və əsas məhdudiyyətlər altında pozitiv diaqnozmlı izləmə xərcini minimize eder. Elde edilən optimum \(J_i^s\), Problem 1'e izin məlumatlen sabitlik xərcinin üst sərhədını oluşturmak üçün istifadə olunur.

Receding-horizon idarəetmə

Problem 1'den elde edilən:

\[ u_i^o(k) \]

dizisinin yalnız ilk idarəetməü uygulanır:

\[ u_i(k)=u_i^{cmpc}(k)=u_i^o(0|k) \]

Sonraki zaman addımında durum yenidən ölçülür və bütün qiymətləndirmə problemi tekrar çözülür.

Varsayılan trayektoriyanin güncellenmesi

Nəqliyyat vasitəsiların qonşularına iləttiği gelecekteki hərəkət qiymətləndirməsi, bir önceki optimum dizinin kaydırılması və terminalde LQR geri əlaqəsi eklenmesiyle oluşturulur. Böylece səhmlanmış vasitəlar eyni geleceğe ilişkin tutarlı qiymətləndirməler səhmlaşabilir.

Kararlılık üçün terminal struktur

Mənbə terminal bölgə üçünde bir lokal geri əlaqə:

\[ u_i=\kappa_i(x_i) \]

bulunduğunu və terminal xərcin:

\[ E_i(f_i(x_i,\kappa_i(x_i))) - E_i(x_i) \leq -L_i(x_i,\kappa_i(x_i)) \]

azalma koşulunu sşəbəkəladığını varsayar. Bu, MPC sabitlik ispatının əsas koşullarından biridir.

Temel idarəetmə pulmetrleri

S–MPC və C–MPC müqayisəsı

S–MPC yalnız izləmə sabitlığı məqsəd funksiyasınu optimize eder. Şəkil 3a'da vasitəların mövqe xətaları kısa keçici prosesten sonra küçük dəyərləre sönmektedir.

C–MPC yalnız dynamic-consensus hedefini optimize eder. Şəkil 3b'de sistem sabit izləmə davranışını itirməkte və xüsusilə son vasitəlardan birinin mövqe xətası belirgin biçimde büyümektedir.

Bu nəticə iki hedefin koordinasyonunun niyə gerekli olduğunu göstərir.

D–MPC və W–MPC müqayisəsı

D–MPC tədqiqatnın önerdiği iyerarxik metoddir; W–MPC isə çəkilı xərc yanaşmasıdır. Mənbə çəki və kontraktiv pulmetrlerini değiştirerek dizayn həssaslıqini karşılaştırmıştır.

Şəkil 4'te D–MPC'nin keçici sürət pik noktası sonrasında təxminən 20 m/s'ye düzgün biçimde yerleştiği; W–MPC'de isə sürət və mövqe xətasında daha fazala rəqs oluştuğu görülmektedir.

Hesaplama zamanının mühəndislik yorumu

En yüksək moximum süre Nəqliyyat vasitəsi 3 üçün:

\[ 0,2818\;s \]

olmuştur. 0,3 s nümunələmə müddətine göre kalan zaman:

\[ 0,3000-0,2818=0,0182\;s \]

yani 18,2 ms'dir.

Bu nəticə simulyasiya ortamında son müddət'ın kaçırılmadığını göstərir. Ancaq təhlükəsizlik kritik real vaxtlı idarəetmə açistilikndan əməliyyat sistemi jitter'ı, V2X rabitə zamanı, sensor gecikməsi və real ECU yükü ayrıca hesaba bərklmadığından yekun deployment garantisi deyildir.

Ölçeklenebilirlik nəticələri

12 vasitəlı ssenarida bütün sürət eğrirəli təxminən eyni keçici pik davranışından sonra 20 m/s'ye yerleşmiş və mövqe xəta eğrirəli sıfır çmərhələsine yaklaşmıştır.

3 vasitəlı ssenarida da benzer davranış gözlenmektedir. Ancaq mənbə her vasitə sayistilik üçün hesablama müddəti və ya şəbəkə trafiği cədvəlsu vərmediğinden alqoritmnın mürəkkəblik ölçeklemesi kəmiyyət kimi çıkarılamaz.

Karma topolojilərde konsensus

Şəkil 8'in iki ayrı topolojisinde yedi vasitə ortak istinad sürətini izləməkte və mövqe xətaları küçük dəyərləre sönmektedir. Bu tapıntı, adjacency struktursının değiştirilmesinin simulyasiyalarda əsas idarəetmə hedefini bozmadığını dəstəkləyir.

Fərqlı çəkilarda dəyər fonksionları

Şəkil 10'da Nəqliyyat vasitəsi 2, 3, 5 və 7 üçün dynamic-consensus xərcleri üç weight case altında zamanla azalmaktadır. Case 1 en sürətli, Case 2 en yavaş, Case 3 isə ikisinin arasında sönümlenmektedir.

Bu nəticə iyerarxik struktur çəki seçiminin sabitlik garantisini ana çəkilı xərc metodundeki kadar kritik hale getirmese bilə, \(F_i\) və \(G_i\) dəyərlərinin konsensus sürətini hâlâ etkilədiğini göstərir.

Karmaşık sürüş koşullarındaki ədədi nəticələr

Gelecekte strukturlması önerilənler

Müəlliflər real sistemlere keçid üçün xüsusilə şu alanları tartımmaktadır:

• İletişim gecikməsi və paket təkansina karşı robust constraint tightening,
• Offset-free idarəetmə və disturbance observər,
• Ağ kalitesine göre dinamik təhlükəsizlik səhmı,
• Kategori yönlendirmeli daha zengin graph representation,
• Çevrimiçi \(\lambda\) ayarlaması,
• Heterojen vasitəlara yönelik personalized federated learning,
• Gerçek eksperimental doğrulama.

Bu maddeler nəticə cədvəllarındaki doğrulanmış xüsusiyyətlər değil, gelecekteki tədqiqat yönleridir.

Mənbə və metod qeydi

Tam orijinal tədqiqat adı: Distributed Hierarchical MPC for Consensus and Stability of Vehicle Platoons with Mixed Communication Topologies

Müəlliflər və sıraları: Zhuang Li; Zhenqi Fang; Yao Fang; Shaoxuan Luo.

Eş katkı/eş birinci müəllif: Mənbədə eş birinci müəllif işareti yoktur. Müəllif töhfələri bölümünde tüm müəlliflərın tədqiqatın konseptuallaştırma, metodoloji, yazılım, doğrulama, analiz, tədqiqat, məlumat kürasyonu, yazım, vizuallaşdırma, gxülasəim, proje idarəetməi və maliyyələşmə edinimi proseslerine eşit katkıda bulunduğu qeyd edilir.

Məsul müəllif: Shaoxuan Luo.

Qurum: School of Electronic and Electrical Engineering, Bengbu Univərsity, Bengbu 233030, China.

Jurnal: Vehicles.

Nəşriyyat: MDPI, Basel, Switzerland.

Nəşr bilgisi: Vehicles 2026, 8, 82.

DOI: 10.3390/vəhicles8040082.

Rəsmi birləşmə:https://doi.org/10.3390/vəhicles8040082

Mənbə növü: Hakemli tədqiqat məqaləsi; xətti olmayan nəqliyyat vturşuəsi karvanı üçün səhmlanmış iyerarxik MPC inkişaf, Lyapunov/MPC əsasli sabitlik analizi, string-stability ispatı və ədədi simulyasiya tədqiqatsıdır.

Rəyçilik/yayım vəziyyəti: Mənbədə 9 Şubat 2026 alınma, 23 Mart 2026 revizyon, 31 Mart 2026 kabul və 7 Nisan 2026 nəşr tarihleri məlumatlmektedir.

Lisənziya: Creativə Commons Attribution (CC BY).

Maliyyələşmə: Anhui Provincial Department of Education, Grant No. 2025AHGXZK20025. APC eyni proje tarafından maliyyəe edilmiştir.

Məlumat əlçatanlığı: Verirəlin makul talep üzerine sorumlu müəllifdan ediniləbiləceği; simulyasiya model və alqoritmlərının yenidən istehsale olanak sşəbəkəlayacak ayrıntıda tədqiqat üçünde məlumatldiği qeyd edilir.

Maraqlar toqquşması: Müəlliflər maraqlar toqquşması olmadığını bildirmiştir.

Elmi məzmun sərhədi: Bu Verianla yazistilikndaki model, matematiksel tənliklər, idarəetmə koşulları, simulyasiya pulmetrleri, qrafik yorumları, performans dəyərləri və gelecekteki tədqiqat önerirəli yalnızca incelenen tədqiqatya dayanmaktadır. Mənbə dışından yeni nəqliyyat vturşuəsi karvanı performansı və ya V2X sahə sonucu eklenmemiştir.

Sınaqsel durum: Tədqiqatnın doğrulaması ədədi simulyasiyaa dayanmaktadır. Fiziksel vasitə, hardware-in-the-loop və ya real avtomobil yolu karvan təcrübəi sunulmamaktadır.

İletişim fərziyyəı: Ana modelde rabitə şəbəkəının iyi çalıştığı, gecikmə və paket təkansi olmadığı açıqça fərz edilmişdir. Bölüm 6'da robust delay compensation, federated learning və gelişmiş graph representation tartımmaları gelecekteki uzantılardır.

Güvənlik məhdudiyyətı notu: Equation 13'teki kontraktiv sabitlik məhdudiyyətı birbaşa minimum vasitəlar arası məsafə sərhədı deyildir. Mənbə bunun öncelikle recursivə feasibility sşəbəkəlamak üçün kullanıldığını bildirir.

\(\lambda_i\) tutarsızlığı: Metod və ispat boyunca \(\lambda_i\in[0,1)\) istifadə olunurken Teorem 2'nin ifade kısmında bir kez \(\lambda_i\geq0\) denilmektedir. Kararlılık ispatında \(1-\lambda_i\) katsayistiliknın pozitivliği kullanıldığından bu Verianla aktarımında tutarlı mənbə aralığı \([0,1)\) qorunmuşdur.

Kontrol girdisi vahid notu: \(u_i\) sürmə/əyləc momenti kimi diaqnozmlanmasına rşəbəkəmen simulyasiya məhdudiyyətında 3000 N vahidi istifadə olunur. Mənbə daxilindəndeki bu boyutsal uyuşmazlık N·m kimi sessizce düzeltilmemiştir.

Mövqe xətası notu: Teorik və anlatısal bölümlerde xətaların sıfıra yaxınsadığı belirtilirken, son altı saniyeyi raporlayan Cədvəl 3'te təxminən 0,0094–0,0099 m orta dəyərlər vardır. Bu dəyərlər küçük sonlu-zaman qalıq xətası kimi aktarılmıştır.

Real vaxtlılık sərhədı: Yedi vasitə üçün moximum çözüm süreleri 0,3 s nümunələmə periodunun altında kalmaktadır; lakin kullanılan bilgisayar apult təminatıı belirtilmemiş və real avtomotiv sinifı nəzarətçi üzerinde worst-case execution time doğrulaması strukturlmamıştır.

Ölçeklenebilirlik sərhədı: 3 və 12 vasitəlı ilavə simulyasiyalar metodun fərqli karvan boyutlarında çalışabildiğini göstərir; çok büyük filolarda hesablama və rabitə mürəkkəblığı ölçülməmişdir.

Karma topoloji sərhədı: Şəkil 2'de yedi fərqli rabitə topologiyası və bunların bazıları üçün ayrı simulyasiyalar mövcuddur. Bu nəticələr, tek bir test sırasında işmlı və sürətli topology switching altında eksperimental garanti anlamına gelmez.