利用网联自动驾驶车辆抑制走走停停交通——一种深度强化学习方法
信号处理
2020-05-19 v1 人工智能
机器学习
摘要
走走停停交通对交通系统提出诸多挑战，但其形成与机制仍在探索中。然而，已证明通过引入具有精心设计的控制器的网联自动驾驶车辆(CAVs)可抑制车队中的走走停停波。本研究未采用解析模型，而是使用强化学习控制 CAV 的行为，将单辆 CAV 置于车队第 2 位，旨在抑制来自车队领头车的速度振荡并帮助后续人类驾驶员采取更平稳的驾驶行为。结果表明，我们的控制器可将 CAV 的速度振荡降低 54%，并使后续人类驾驶车辆的振荡降低 8%-28%。还观察到显著的燃油消耗节省。此外，结果表明若 CAV 选择略微利他地行为，则可能充当交通稳定器。
引用
@article{arxiv.2005.08245,
title = {Dampen the Stop-and-Go Traffic with Connected and Automated Vehicles -- A Deep Reinforcement Learning Approach},
author = {Liming Jiang and Yuanchang Xie and Danjue Chen and Tienan Li and Nicholas G. Evans},
journal= {arXiv preprint arXiv:2005.08245},
year = {2020}
}