基于深度强化学习的睡眠水平感知自适应自动紧急制动系统
机器学习
2026-04-17 v2
摘要
司机嗜睡显著损害准确判断安全制动距离的能力,预计其在欧洲造成10%-20%的道路事故。传统的驾驶辅助系统缺乏对实时生理状态如嗜睡的适应性。本文提出一种基于深度强化学习的自主紧急制动系统,将车辆动力学与司机生理数据相结合。通过对2分钟窗口进行各种分段和重叠配置的基准分析,使用循环神经网络（RNN）检测ECG信号中的嗜睡状态。推断出的嗜睡状态被纳入双层dueling深度Q网络（DQN）智能体的可观测状态空间中,司机 impairment 被建模为动作延迟。该系统在高保真CARLA仿真环境中实现和评估。实验结果表明,提出的智能体在嗜睡和非嗜睡条件下均以99.99%的成功率避免碰撞。这些发现表明,生理状态感知的控制策略对于增强适应性和智能驾驶安全系统具有有效性。
引用
@article{arxiv.2604.13878,
title = {Drowsiness-Aware Adaptive Autonomous Braking System based on Deep Reinforcement Learning for Enhanced Road Safety},
author = {Hossem Eddine Hafidi and Elisabetta De Giovanni and Teodoro Montanaro and Ilaria Sergi and Massimo De Vittorio and Luigi Patrono},
journal= {arXiv preprint arXiv:2604.13878},
year = {2026}
}
备注
16 pages, 12 figures. Under review at IEEE Transactions on Intelligent Vehicles