摘要：在现有的城市交通环境中,信号交叉口的周期阻隔性造成了车辆急加速、急减速和怠速等驾驶行为,使车辆产生额外的尾气排放和燃油消耗,加剧了交通堵塞和环境污染等问题。有效的车速引导模型可以提高信号交叉口处的车辆通行能力,故以三角函数优化的车速引导模型为基础,考虑到驾驶员在实际驾驶时无法完全跟踪速度引导曲线,设计了一种闭环反馈速度更新算法,以动态补偿人车响应特性造成的跟踪偏差。仿真结果表明:基于动态闭环反馈的车速引导模型不仅可以有效提高信号交叉口处车辆的通行效率,还能够增强车速引导系统对驾驶员的适应性。

摘要：现有自动驾驶技术多集中于安全性,而忽视经济性。针对此问题,本文提出一种基于改进的深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法的经济性自动驾驶决策方法。首先,分析汽车驾驶功耗因素,以汽车的电机效率为指标,设计经济性奖励函数,以优化汽车行驶效率;其次,通过引入专家经验指导和双经验池动态回放策略,灵活且高效利用经验池数据,提高模型收敛速度和稳定性;同时,改进在线价值网络,设计双在线价值网络,从而降低对策略价值的过高估计。最后在CARLA中搭建仿真环境对所提算法进行验证,结果表明,改进后的算法在累计奖励、收敛速度和稳定性等多方面均优于原始DDPG算法,有效提升了自动驾驶汽车的经济性和能效。