基于自适应卡尔曼滤波的 TD3 与 CACC 混合跟车策略
人工智能
2023-12-27 v1 机器人学
系统与控制
系统与控制
摘要
在自动驾驶中，深度强化学习与协同自适应巡航控制（CACC）的混合策略可以充分利用两种算法的优势，显著提升跟车性能。然而，传统的基于固定系数的混合策略难以适应混合交通流场景，可能导致性能下降甚至引发事故。为解决上述问题，本文提出了一种基于自适应卡尔曼滤波的混合跟车策略，融合了 CACC 和双延迟深度确定性策略梯度（TD3）算法。与基于固定系数的传统混合策略不同，卡尔曼增益 H 作为自适应系数，通过多时间步预测和蒙特卡洛树搜索推导得出。研究最后，包含 4,157,745 个时间步的仿真结果表明，与 TD3 和 HCFS 算法相比，本文提出的算法能够在不牺牲舒适性和效率的前提下，显著增强混合交通流中跟车的安全性。
引用
@article{arxiv.2312.15993,
title = {Adaptive Kalman-based hybrid car following strategy using TD3 and CACC},
author = {Yuqi Zheng and Ruidong Yan and Bin Jia and Rui Jiang and Adriana TAPUS and Xiaojing Chen and Shiteng Zheng and Ying Shang},
journal= {arXiv preprint arXiv:2312.15993},
year = {2023}
}
备注
32pages,13figures