- 1、本文档共101页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
摘要
基于深度强化学习的自动驾驶匝道汇入决策研究
随着自动驾驶技术的不断成熟,如何使自动驾驶车辆能够在复杂场景中安全稳定
地行驶是目前需要解决的关键问题,入口匝道作为道路上常见和重要的路段,确保自
动驾驶车辆能够在该路段中合理地行驶对于提升道路整体的安全性具有重要的作用。
在完成自动驾驶匝道汇入的过程中,基于规则的方法往往会存在适用场景较为单一等
问题,而深度强化学习方法则能够通过不断学习从而在复杂动态场景下具有更加优异
的表现,因此本文基于深度强化学习方法对自动驾驶车辆完成匝道汇入过程中的决策
行为进行了研究。具体研究内容如下:
(1)分别基于深度Q网络算法、深度确定性策略梯度算法这两种强化学习算法
来建立自动驾驶匝道汇入决策模型,在状态空间中包含了对自车和周围车辆运动状态
的观测值;针对自动驾驶过程中需要满足的安全、高效、舒适等多优化目标,从安全
性、效率性、舒适性方面对两种决策模型中的奖励函数进行了设计。然后使用SUMO
仿真软件搭建了自动驾驶匝道汇入场景,对建立的两种匝道汇入决策模型进行了训练
和验证分析,最后从自车完成匝道汇入过程中获得的总平均奖励值和稳定性、效率性、
舒适性、现实意义等多方面对两种模型进行了综合对比和分析,结果表明基于深度确
定性策略梯度算法建立的自动驾驶匝道汇入决策模型的综合性能更加优异,同时也更
加具有现实意义。
(2)通过建立智能驾驶员模型并对模型中的参数进行调整,从而对主道上周围
车辆激进型、保守型两种不同的驾驶风格进行表征。根据不同驾驶风格的自车对行驶
过程中的效率性、舒适性、安全距离等追求不一致的情况,通过对奖励函数中舒适性
权值参数、效率性权值参数和期望安全距离等参数进行调整,从而建立了匝道上激进
型、保守型两种不同驾驶风格的自动驾驶匝道汇入决策模型。对每种模型都在主道上
不同驾驶风格周围车辆的场景下进行了模型的训练和验证,并对验证结果进行了对比
分析。得出的结果包括当主道上为激进型驾驶风格的周围车辆时,两种不同驾驶风格
的匝道汇入决策模型在交汇区域都会有更频繁的加速度变化和更高的速度,以寻找合
适的汇入时机等。同时保守型驾驶风格的匝道汇入决策模型会有更低的平均绝对jerk
I
值,表明保守型驾驶风格自车的加速度变化更小、舒适性更高。综合所有的结果来看,
建立的两种不同驾驶风格的自动驾驶匝道汇入决策模型都能够实现自车对行驶目标的
不同追求。
(3)主道上不同的交通流密度可能会对自动驾驶车辆完成匝道汇入任务的表现
产生影响,因此建立了考虑交通流密度的自动驾驶匝道汇入决策模型,并对模型进行
了训练,然后在不同密度交通流下对自车完成匝道汇入任务的表现进行了验证和对比
分析。结果包括在一定范围内随着交通流密度的不断降低,自车在整个行驶过程和交
汇区域中的平均速度会逐渐提高、平均汇入时间会逐渐缩短,表明自车的行驶效率会
逐渐提高等。
关键词:
自动驾驶,驾驶决策,匝道汇入,强化学习,深度确定性策略梯度
II
ABSTRACT
ResearchonRampMergingDecision-makingfor
AutonomousDrivingBasedonDeepReinforcementLearning
Withthecontinuousmaturationofautonomousdrivingtechnology,ensuringthesafeand
stableoperationofautonomousvehiclesincomplexscenariosisacriticalissuethatneedsto
beaddressed.Asacommonandimportantsectionoftheroad,theentrancerampplaysan
importantroleinimprovingtheoverallsafetyoftheroadbyensuringthereasonableopera
您可能关注的文档
- 基于模糊控制的并联混合动力汽车控制策略研究.pdf
- 基于强化学习的多AUV任务分配及路径规划研究.pdf
- 基于强化学习的水声传感器网络路由算法研究.pdf
- 基于热氧化法的β-Ga2O3纳米结构薄膜制备研究.pdf
- 基于深度卷积自编码网络噪声衰减的混采数据分离研究.pdf
- 基于深度学习的sEMG手部形态识别与应用研究.pdf
- 基于深度学习的海洋温度数据补全及预测方法研究.pdf
- 基于深度学习的数学公式识别系统研究与实现.pdf
- 基于深度学习的图像去噪研究与应用.pdf
- 基于深度学习的遥感影像变化检测方法研究.pdf
- 四川省德阳市罗江中学2025届高三考前热身化学试卷含解析.doc
- 山东省枣庄现代实验学校2025届高三下学期第五次调研考试化学试题含解析.doc
- 吉林省长春市十一高中等九校教育联盟2025届高三一诊考试生物试卷含解析.doc
- 2025届江苏省盐城市伍佑中学高考仿真模拟化学试卷含解析.doc
- 2025届广西贺州中学高考冲刺押题(最后一卷)生物试卷含解析.doc
- 安徽省池州市贵池区2025届高三第一次模拟考试生物试卷含解析.doc
- 宁夏银川一中2025届高三(最后冲刺)化学试卷含解析.doc
- 广东省广州市增城区四校联考2025届高考压轴卷化学试卷含解析.doc
- 2025届邯郸市第一中学高考生物必刷试卷含解析.doc
- 2025届安徽省安庆市石化第一中学高考仿真卷化学试卷含解析.doc
文档评论(0)