基于深度强化学习的道路交叉口生态驾驶策略研究

作     者：李传耀 张帆 王涛 黄德鑫 唐铁桥 LI Chuanyao;ZHANG Fan;WANG Tao;HUANG Dexin;TANG Tieqiao

作者机构：中南大学交通运输工程学院长沙410100 合肥工业大学汽车与交通工程学院合肥230000 北京航空航天大学交通科学与工程学院北京100191 

基　　金：国家自然科学基金(72271248 72288101) 

出 版 物：《交通运输系统工程与信息》 (Journal of Transportation Systems Engineering and Information Technology)

年 卷 期：2024年第24卷第1期

页      码：81-92页

摘      要：在互联和自动驾驶环境下,生态驾驶具有显著的潜力,可提高交通效率并降低能源消耗和排放。本文探讨一种基于深度强化学习算法的生态驾驶策略,该算法可优化互联自动驾驶汽车(CAV)的纵向操纵和横向决策;将状态空间分为与车辆动态特性相关的局部变量,以及与信号交叉口相关的全局变量,确保CAV与环境之间的充分互动;奖励函数综合考虑了车辆的驾驶要求,与信号灯的协同作用以及全局节能激励因素;此外,设计一个典型的城市道路场景训练模型。结果表明,在信号灯和智能体输出协同控制下,本文提出的策略可以实现CAV的生态驾驶,并确保CAV准确驶入目标车道;在动态交通环境下进行仿真显示,通过控制多辆CAV引导人工驾驶车辆,本文方法可将交叉路口的通行能力提高约17.90%,并将交通系统的燃料消耗和污染物排放降低约8.76%。

主 题 词：智能交通 生态驾驶 深度强化学习 互联与自动驾驶汽车 信号交叉路口 

学科分类：08[工学] 082303[082303] 082302[082302] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.16097/j.cnki.1009-6744.2024.01.008

馆 藏 号：203125201...