无信号交叉口处基于深度强化学习的智能网联车辆运动规划
Intelligent connected vehicle motion planning at unsignalized intersections based on deep reinforcement learning作者机构：北方工业大学城市道路智能交通控制技术北京市重点实验室北京100144 交通运输部公路科学研究院公路交通安全技术交通运输行业重点实验室北京100088
出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)
年 卷 期：2024年第58卷第9期
页 面：1923-1934页
核心收录：
学科分类：08[工学] 0837[工学-安全科学与工程] 082503[工学-航空宇航制造工程] 0825[工学-航空宇航科学与技术]
基 金：国家重点研发计划资助项目(2022YFB4300400) 北京市教育委员会科学研究计划资助项目(KM202210009013) 中乌合作专项资助项目(106051360024XN017-02)
主 题：智能网联汽车 深度强化学习 无信号交叉口 意图预测 运动规划
摘 要：为了兼顾无信号交叉口处智能网联车辆通行效率和舒适性要求,提出基于深度强化学习的车辆运动规划算法.结合时间卷积网络(TCN)和Transformer算法构建周围车辆行驶意图预测模型,通过多层卷积和自注意力机制提高车辆运动特征捕捉能力;利用双延迟深度确定性策略梯度(TD3)强化学习算法构建车辆运动规划模型,综合考虑周围车辆行驶意图、驾驶风格、交互风险以及自车舒适性等因素设计状态空间和奖励函数以增强对动态环境的理解;通过延迟策略更新和平滑目标策略提高算法稳定性,实时输出期望加速度.实验结果表明,所提运动规划算法能够根据周围车辆的行驶意图实时感知潜在的交互风险,生成的运动规划策略满足通行效率、安全性和舒适性要求,且对不同风格的周围车辆和密集交互场景均有良好的适应能力,不同场景下成功率均高于92.1%.
维普期刊数据库
同方期刊数据库