基于深度强化学习的驾驶员跟车模型研究

• 作者: 郭景华 李文昌 罗禹贡 陈涛 李克强
• 来源期刊: 汽车工程
• 关键词: 智能驾驶 驾驶员模型 跟车 深度强化学习
• 年，卷（期）: 2021,（4）
• 页码范围: 571-579
• 页数: 9页
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2021.04.015

摘要

为提升智能驾驶系统的纵向跟车性能,本文构建了一种基于深度强化学习的驾驶员跟车模型.首先,设计了跟车场景截取准则并从自然驾驶数据中筛选出符合条件的典型跟车场景,并对其数据进行统计分析,即采用相关系数法分析了车间距、相对速度和车头时距等因素对驾驶员跟车行为的影响机理,得出驾驶员跟车行驶过程的行为特性及其影响因素.接着,基于深度确定性策略梯度算法建立了驾驶员跟车模型,将驾驶员跟车轨迹数据集输入到模拟跟车环境中,让智能体从经验数据中学习驾驶员的决策行为.最后,以原始工况数据为基准,对基于深度强化学习的跟车模型进行对比仿真验证,结果表明所构建的驾驶员跟车模型具有良好的跟踪性能,能真实地复现驾驶员的跟车行为.