基于强化学习的交叉口智能网联车多目标通行控制方法

作     者：姜涵 张健 张海燕 郝威 马昌喜 JIANG Han;ZHANG Jian;ZHANG Haiyan;HAO wei;MAchangxi

作者机构：东南大学江苏省城市智能交通重点实验室南京211189 东南大学交通学院南京211189 西藏大学工学院拉萨850000 长沙理工大学交通运输工程学院长沙410114 兰州交通大学交通运输学院兰州730070 

基　　金：国家重点研发计划项目(2021YFB1600504)资助 

出 版 物：《交通信息与安全》 (Journal of Transport Information and Safety)

年 卷 期：2024年第42卷第1期

页      码：84-93页

摘      要：针对传统控制方法下的智能网联车辆(connected and autonomous vehicle,CAV)在动态交通环境中通行能耗较高且效率较低等问题,研究了基于强化学习的CAV通行控制方法,旨在降低车辆能源消耗,提升车辆通行效率以及行驶舒适度。通过考虑CAV与交叉口信控系统的信息交互和物理环境,收集信号相位和信号配时(SPaT)以及前车速度和位置等信息,构建强化学习框架的状态空间。以电池能量回收的上限作为边界条件,建立CAV的行驶能耗模型,并基于车辆行驶的关键特征指标,如单位时间电能能耗、通行距离以及加速度变化率,设计多目标加权奖励函数。利用层次分析法确定各指标的权重,进而采用深度确定性策略梯度算法对模型进行训练,并通过梯度下降方法对算法参数进行调整和更新。采用SUMO平台开展仿真实验,实验结果表明:在设计的算法控制下的CAV各方面行驶性能最为均衡,相较于DQN算法电能消耗和加速度变化率均值分别降低了9.22%和18.77%;相较于Krauss跟驰模型行程时间缩短了8.39%。本研究提出的CAV通行控制方法在降低车辆能耗、提高行驶效率和舒适性等方面具有较好的可行性和有效性。

主 题 词：交通工程 智能网联车辆 车辆控制 强化学习 信号交叉口 

学科分类：03[法学] 08[工学] 0838[0838] 0306[法学-公安学类] 

D　O　I：10.3963/j.jssn.1674-4861.2024.01.010

馆 藏 号：203127993...