典型文献
基于云和高斯过程的网联车辆协同式道路参数估计
文献摘要：
近年来智能网联汽车发展迅速,云端预先存储的道路参数信息对于提升网联汽车的悬架控制以及检测路面不规则度至关重要.目前关于道路参数估计的工作大多在单个车辆上完成,此类算法对于车辆模型不确定性以及测量误差较敏感.针对该问题,提出了一种新的协同式估计架构,该架构能够充分利用多个同质的网联汽车的测量信息以提高估计精度.首先,在云端利用前方行驶的全部车辆的数据对高斯过程模型进行训练以通过众包方式获取道路参数的估计结果.然后,该结果以未测量的方式发送到后方相邻车辆,后方单个车辆结合自车车载传感器(如加速度计、横摆角速度以及侧倾角速度)和由云端获取的基于众包高斯过程估计结果,使用卡尔曼滤波对该估计结果进一步优化.进而估计结果被发送到云端以更新高斯过程模型.大量的仿真实验结果表明,以该种方式使用云端估计的道路参数作为额外的未测量信息能够提高道路参数的估计精度,验证了该算法的有效性.
文献关键词：
云端估计;协同式估计;道路参数估计;高斯过程
中图分类号：
作者姓名：
LI Zhaojian;HAJIDAVALLOO Mohammad R;XIA Xin;ZHENG Minghui
作者机构：
密歇根州立大学机械工程学院,东兰辛48824;加利福尼亚大学洛杉矶分校交通与环境学院,洛杉矶90095;布法罗大学机械与航空航天工程学院,布法罗14260
文献出处：
引用格式：
[1]LI Zhaojian;HAJIDAVALLOO Mohammad R;XIA Xin;ZHENG Minghui-.基于云和高斯过程的网联车辆协同式道路参数估计)[J].同济大学学报（自然科学版）,2022(04):中插1,489-496
A类：
道路参数估计,协同式估计,云端估计
B类：
云和,网联车辆,智能网联汽车,汽车发展,先存,参数信息,悬架控制,不规则度,车辆模型,模型不确定性,测量误差,高估,估计精度,前方,方行,高斯过程模型,众包,取道,发送到,方相,车车,车载,加速度计,横摆角速度,侧倾角,卡尔曼滤波,该种,信息能
AB值：
0.251077
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
