-
题名基于深度强化学习的无信号灯交叉路口车辆控制
被引量：6
- 1
-
-
作者
欧阳卓
周思源
吕勇
谭国平
张悦
项亮亮
-
机构
河海大学计算机与信息学院
江苏智能交通及智能驾驶研究院
-
出处
《计算机科学》
CSCD
北大核心
2022年第3期46-51,共6页
-
基金
国家自然科学基金(61701168,61832005)
中国博士后科研基金(2019M651546)
江苏省交通运输厅重大科技项目(2019Z07)。
-
文摘
利用深度强化学习技术实现无信号灯交叉路口车辆控制是智能交通领域的研究热点。现有研究存在无法适应自动驾驶车辆数量动态变化、训练收敛慢、训练结果只能达到局部最优等问题。文中研究在无信号灯交叉路口,自动驾驶车辆如何利用分布式深度强化方法来提升路口的通行效率。首先,提出了一种高效的奖励函数,将分布式强化学习算法应用到无信号灯交叉路口场景中,使得车辆即使无法获取整个交叉路口的状态信息,只依赖局部信息也能有效提升交叉路口的通行效率。然后,针对开放交叉路口场景中强化学习方法训练效率低的问题,使用了迁移学习的方法,将封闭的8字型场景中训练好的策略作为暖启动,在无信号灯交叉路口场景继续训练,提升了训练效率。最后,提出了一种可以适应所有自动驾驶车辆比例的策略,此策略在任意比例自动驾驶车辆的场景中均可提升交叉路口的通行效率。在仿真平台Flow上对TD3强化学习算法进行了验证,实验结果表明,改进后的算法训练收敛快,能适应自动驾驶车辆比例的动态变化,能有效提升路口的通行效率。
-
关键词
自动驾驶
无信号灯交叉路口
深度强化学习
V2X
-
Keywords
Autonomous vehicles
signal-free intersections
Deep reinforcement learning
V2X
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名自动驾驶车辆在无信号交叉口右转驾驶决策技术研究
被引量：2
- 2
-
-
作者
王曙燕
万顷田
-
机构
西安邮电大学计算机学院
-
出处
《计算机应用研究》
CSCD
北大核心
2023年第5期1468-1472,共5页
-
基金
陕西省教改重点攻关项目(21BG038)
陕西省重点研发计划项目(2020GY-210)。
-
文摘
利用深度强化学习(deep reinforcement learning, DRL)技术实现自动驾驶决策已成为国内外研究热点,现有研究中的车辆交通流缺乏随机性与真实性,同时自动驾驶车辆在环境中的有效探索具有局限性。因此利用TD3算法进行自动驾驶车辆在无信号交叉口下的右转驾驶决策研究,首先在Carla仿真平台中开发无信号交叉口的训练与测试场景,并添加交通流管理功能,提高系统训练和测试随机性。其次,为了提高自动驾驶车辆的探索性,对TD3算法中的Actor网络进行改进,为目标动作添加OU噪声。最后使用通行成功率和平均通行时间评估指标评价自动驾驶行为决策。结果表明,在不同交通流场景下,改进后的TD3算法通行成功率与基于DDPG算法控制的车辆相比平均提升6.2%,与基于规则的AEB模型相比平均提升23%。改进后的TD3算法不仅能够探索更多可能,而且其通行决策表现更加突出。
-
关键词
深度强化学习
自动驾驶
无信号交叉口
驾驶决策
奖励函数
-
Keywords
deep reinforcement learning
autonomous driving
signal-free intersections
decision making
reward function
-
分类号
V323.19
[航空宇航科学与技术—人机与环境工程]
-
