考虑驾驶风格的智能车自主驾驶决策方法

• 作者: 吴超仲 熊盛光 王鑫鹏 陈志军
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 智能交通 自动驾驶 个性化驾驶 深度强化学习 智能车辆
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 交通信息工程与控制
• 页码范围: 37-46
• 页数: 10页
• 分类号: U495
• 字数: 9009字
• 语种: 中文
• DOI: 10.3963/j.jssn.1674-4861.2020.02.005

摘要

为了提升智能车类人驾驶水平,提供符合驾乘者驾驶习惯的个性化驾驶服务,改进了DDPG算法并设计智能车驾驶决策系统,学习不同风格的个性化驾驶策略.招募20位驾驶人参加基于仿真平台的模拟驾驶实验,采集驾驶数据.运用相关性检验方法选择个性化驾驶评价指标,使用K-means聚类方法将驾驶风格进行分类.在基础DDPG算法的输出部分加入线性变换过程,形成改进的个性化驾驶决策学习算法,进而构建个性化自主驾驶系统,以3种驾驶风格作为学习目标,调节线性变换参数,在线训练并测试算法.结果表明,提出的方法比基础算法收敛速度提升21.3％.算法在测试场景中,保持了高于驾驶人的横向控制水平,车道偏移量下降73.0％,且驾驶的车辆未与道路外侧护栏发生碰撞.聚类结果显示,算法通过调节线性变换参数,能够有效学习不同的驾驶风格.