车路协同条件下智能网联汽车一体化决策模型研究.docxVIP

为了探索当前有限数据条件下面临的无限交通场景问题，提出车路协同条件下基于深度强化学习智能网联汽车决策模型。利用Actor-Critic机制，以highway-env为数据来源，抽取144h交通数据作为训练数据并进行验证，分析了智能网联汽车在不同车道数条件下的驾驶行为。结果显示，本模型汽车行程时间减少20%以上，碰撞概率减少25%以上，换道轨迹可以通过动力学跟踪。

近年来，世界各国对自动驾驶格外关注，被认为是缓解交通拥堵，减少交通事故和环境污染的重要技术。目前，一些自动驾驶汽车已经进行了大规模的道路测试，比如谷歌自动驾驶汽车和苹果自动驾驶汽车。据研究，在当前已经进行了大规模的道路测试，比如谷歌自动驾驶汽车和苹果自动驾驶汽车。据研究，在当前的交通事故中，有超过30%的道路事故是不合理的换道和跟驰行为引起的。如图1所示，在一个单向两车道上，主车为SV，PV是与SV当前所在车道的前车，LV和FV分别是SV目标车道的前车与后车。其中，穿过两条车道的线是车辆SV的行驶轨迹，车辆在O点结束对前车的跟驰并开始准备换道，P点开始由跟驰行为转为换道行为，D点完成换道，设换道起点为P（0，0），那么换道终点为D）。车辆完成换道准备后开始执行换道，SV从当前车道的中心线沿着图中所示的虚线发生移动，一直移动到目标车道的中心线，在此过程中，SV的位置和速度会受到LV、PV、FV三辆车