车联网环境下自动驾驶车辆动态障碍物协作避让模型

作者：沈悦; 陈璟; 周子涵; 杨达^*

来源：交通运输工程与信息学报, 2021, 19(04): 13-23.

DOI：10.19961/j.cnki.1672-4747.2021.04.025

• 自动驾驶
• 决策
• 强化学习
• 车辆群体
• 避障
• 车联网

车路协同和车联网的发展为车辆群体之间的协作控制提供了可能。本文关注的是在车联网环境下,自动驾驶车辆群体避让动态障碍物的问题,目标是实现在不损失车辆个体效益的同时,可以达到车辆群体系统最优。本文提出了一种基于深度强化学习算法(DQN)的自动驾驶车辆群体协作避让动态障碍物的模型。模型在学习过程中考虑了车辆的安全性、单个车辆和车辆群体的行驶效率,并加入了车辆的换道协作机制。仿真验证结果表明,与现有的非协作避障模型相比,该模型可以显著地提高整体交通效率,在非常拥堵、比较拥堵和自由流三种给定的不同交通流状态下,车辆行驶效率(车辆平均速度)分别提高5.26%、21.44%、10.38%,整体车流量分别提高8.22%、34.47%、0%。

• 单位
  西南交通大学