混合交通中网联自动驾驶车辆：通过学习人类驾驶员行为实现有效匝道汇入
机器学习
2023-04-04 v1 人工智能
系统与控制
系统与控制
摘要
具有混合交通状况的高速公路汇入场景对与 incoming 匝道人类驾驶车辆（HDV）交互的网联自动驾驶车辆（CAV）提出了显著的建模与控制挑战。在本文中，我们提出一种学习方法，用于近似信息状态模型以刻画 CAV-HDV 交互，使 CAV 在高速公路汇入期间安全操纵。在我们的方法中，CAV 在生成控制策略以促进汇入之前，利用近似信息状态学习 incoming HDV 的行为。首先，我们通过在真实世界数据上验证该框架的有效性，利用它预测从下一代仿真（Next-Generation Simulation）库中提取的混合交通场景中 HDV 的行为。然后，我们使用标准逆强化学习方法生成高速公路汇入场景中 HDV-CAV 交互的仿真数据。在不假设生成模型先验知识的情况下，我们展示了我们的近似信息状态模型仅利用观测就能学习预测 HDV 的未来轨迹。随后，我们为与 HDV 汇入时的 CAV 生成安全控制策略，展示了从激进到保守的一系列驾驶行为。我们通过数值仿真证明了所提方法的有效性。
引用
@article{arxiv.2304.00397,
title = {Connected and Automated Vehicles in Mixed-Traffic: Learning Human Driver Behavior for Effective On-Ramp Merging},
author = {Nishanth Venkatesh and Viet-Anh Le and Aditya Dave and Andreas A. Malikopoulos},
journal= {arXiv preprint arXiv:2304.00397},
year = {2023}
}