异构交通中基于深度强化学习的高层驾驶行为决策模型
机器学习
2019-02-27 v2 人工智能
摘要
高层驾驶行为决策是网联车辆技术中一个极具挑战性的开放问题，在异构交通场景中尤为如此。本文针对异构交通场景下的网联车辆，提出了一种基于深度强化学习的高层驾驶行为决策方法。该模型由三个主要部分组成：一个将混合数据映射为超网格矩阵数据格式的数据预处理器，一个提取隐藏特征的双流深度神经网络，以及一个学习最优策略的深度强化学习网络。此外，构建了一个包含不同异构交通场景的仿真环境，用于训练和测试所提方法。结果表明，该模型具备学习最优高层驾驶策略的能力，例如在异构交通中快速行驶而无需进行不必要的变道。此外，使用两个独立模型与所提模型进行比较，并详细分析了它们的性能。
引用
@article{arxiv.1902.05772,
title = {Deep Reinforcement Learning Based High-level Driving Behavior Decision-making Model in Heterogeneous Traffic},
author = {Zhengwei Bai and Baigen Cai and Wei Shangguan and Linguo Chai},
journal= {arXiv preprint arXiv:1902.05772},
year = {2019}
}
备注
7 pages, 7 figures, 6 tables