moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2025.51.4.016 1997 Система автоматического управления движением транспортных средств в колонне Automatic control system for vehicle platoon movement 0000-0003-3057-9140 Чернышев Николай Николаевич Chernyshev Nikolay Nikolaevich chernyshev@mirea.ru aff-1 Альфара Адам Юсеф Али Alfara Adam Yusef Ali aff-2 0000-0001-6230-469X Ниженец Татьяна Владимировна Nizhenets Tatyana Vladimirovna nizhenec@mirea.ru aff-3 МИРЭА – Российский технологический университет MIREA – Russian Technological University МИРЭА – Российский технологический университет MIREA – Russian Technological University МИРЭА – Российский технологический университет MIREA – Russian Technological University 01 01 2026 1 1 10.26102/2310-6018/2025.51.4.016 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

В статье представлена разработка системы автоматического управления продольным движением транспортных средств в колонне на основе методов нечеткой логики. Актуальность исследования обусловлена растущей потребностью в эффективных и безопасных решениях для автоматизации грузоперевозок. Научная новизна работы заключается в разработке и верификации системы управления, на основе принципа «лидер – ведомый» и нечеткого регулятора со специфической базой правил, адаптированной для управления тяжелонагруженными грузовыми автомобилями (на примере КАМАЗ-65111) с программной реализацией в средах численного и визуального моделирования. В отличие от универсальных подходов, предложенная база правил формализует экспертные стратегии вождения, учитывая высокую инерционность объекта управления. Система, реализующая принцип «лидер – ведомый», была реализована и протестирована в двух различных средах: математическое моделирование в MATLAB/Simulink и интерактивная 3D-симуляция в Unity. Проведено комплексное тестирование в четырех сценариях движения: равномерное движение, разгон-торможение, экстренное торможение и движение по пересеченной местности. Результаты моделирования показали высокую точность (среднеквадратичная ошибка дистанции не превышает 1,21 м) и безопасность (минимальная дистанция в критических сценариях – более 6,3 м). Высокая корреляция результатов между двумя платформами подтверждает адекватность и робастность предложенной модели. Разработанная система демонстрирует потенциал для применения в беспилотном транспорте и может быть усовершенствована внедрением адаптивных механизмов настройки параметров нечеткого регулятора. Отмечено, что совершенствование разработанной системы управления может быть реализовано за счет использования гибридных нейро-нечетких правил или создания интеллектуальных систем управления дорожным движением.

This article presents the development of an automatic longitudinal motion control system for vehicle platoons based on fuzzy logic methods. The relevance of the study stems from the growing need for efficient and safe solutions for freight transportation automation. The scientific novelty of the work lies in the development and verification of a control system implementing the leader – follower principle with a specialized fuzzy controller rule base, adapted for heavy-duty truck control (exemplified by the KAMAZ-65111) and implemented in software within numerical and visual modeling environments. Unlike universal approaches, the proposed rule base formalizes expert driving strategies while accounting for the control object's high inertia. The leader – follower system was implemented and tested in two distinct environments: mathematical modeling in MATLAB/Simulink and interactive 3D simulation in the Unity game engine. Comprehensive testing covered four driving scenarios: uniform motion, acceleration-braking, emergency braking, and off-road driving. Simulation results demonstrated high accuracy (distance root mean square error not exceeding 1.21 m) and safety (minimum distance exceeding 6.3 m in critical scenarios). The strong correlation of results between both platforms confirms the adequacy and robustness of the proposed model. The developed system demonstrates potential for use in autonomous vehicles and can be improved by implementing adaptive mechanisms for adjusting the fuzzy controller parameters. It is noted that the developed control system can be further improved through the use of hybrid neuro-fuzzy rules or the creation of intelligent traffic management systems.

 автомобильная колонна автоматическое управление лидер – ведомый нечеткий регулятор MATLAB Unity КАМАЗ-65111 vehicle platoon automatic control leader – follower fuzzy controller MATLAB Unity KAMAZ-65111 Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Хронусова Т.В., Асанов А.З., Назаренко М.А. Бортовые информационно-управляющие системы, обеспечивающие автоматизацию движения автомобилей в колонне на примере большегрузных автомобилей. Кибернетика и программирование. 2019;(2):30–43. https://doi.org/10.25136/2306-4196.2019.2.21490 Solyom S., Idelchi A., Salamah B.B. Lateral Control of Vehicle Platoons. In: 2013 IEEE International Conference on Systems, Man, and Cybernetics, 13–16 October 2013, Manchester, UK. IEEE; 2013. P. 4561–4565. https://doi.org/10.1109/SMC.2013.776 Чернышев Н.Н., Ниженец Т.В. Программная модель обработки сигналов с электронной напольной педали автомобиля. В сборнике: Актуальные проблемы науки и техники: Материалы II Международной научно-технической конференции, посвященной 70-летию ИМИ – ИжГТУ и 60-летию СПИ (филиал) ФГБОУ ВО «ИжГТУ имени М.Т. Калашникова», 19–21 мая 2022 года, Сарапул, Россия. Ижевск: Ижевский государственный технический университет имени М.Т. Калашникова; 2022. С. 472–476. Badnava S., Meskin N., Gastli A., et al. Platoon Transitional Maneuver Control System: A Review. IEEE Access. 2021;9:88327–88347. https://doi.org/10.1109/ACCESS.2021.3089615 Bayuwindra A., Lefeber E., Ploeg J., Nijmeijer H. Extended Look-Ahead Tracking Controller with Orientation-Error Observer for Vehicle Platooning. IEEE Transactions on Intelligent Transportation Systems. 2020;21(11):4808–4821. https://doi.org/10.1109/TITS.2019.2947348 Rajamani R. Vehicle Dynamics and Control. New York: Springer; 2012. 498 p. https://doi.org/10.1007/978-1-4614-1433-9 Lee T., Jeong Yo. A Tube-Based Model Predictive Control for Path Tracking of Autonomous Articulated Vehicle. Actuators. 2024;13(5). https://doi.org/10.3390/act13050164 Zhou Zh., Tao M., Qiu J., Zhang P., Xu M., Chen Ju. Autonomous Vehicle Path Tracking Using Event-Triggered MPC with Switching Model: Methodology and Real-World Validation. IET Control Theory & Applications. 2025;19(1). https://doi.org/10.1049/cth2.70046 Asanov A.Z., Demyanov D.N., Myshkina I.Yu. Comparative Analysis of Fuzzy Controllers in a Truck Cruise Control System. In: Information Technologies and Intelligent Decision Making Systems: Third International Scientific and Practical Conference, ITIDMS 2023, 12–14 December 2023, Moscow, Russia. Cham: Springer; 2024. P. 68–79. https://doi.org/10.1007/978-3-031-60318-1_6 Zhou H., Huang H., Zhang P., Shi H., Long K., Li X. Online Physical Enhanced Residual Learning for Connected Autonomous Vehicles Platoon Centralized Control. In: 2024 IEEE Intelligent Vehicles Symposium (IV), 02–05 June 2024, Jeju Island, Korea. IEEE; 2024. P. 16–22. https://doi.org/10.1109/IV55156.2024.10588534 Zheng Ya., Wang Q., Cao D., Fidan B., Sun Ch. Distance-Based Formation Control for Multi-Lane Autonomous Vehicle Platoons. IET Control Theory & Applications. 2021;15(11):1506–1517. https://doi.org/10.1049/cth2.12139 Zhao Ju., Ma X., Yang W., Li H., Wang D. Platoon Intelligence: Edge Learning in Vehicle Platooning Networks. Urban Lifeline. 2025;3(1). https://doi.org/10.1007/s44285-024-00035-y

The authors declare that there are no conflicts of interest present.