信号交叉口电动网联车辆的生态驾驶：一种参数化强化学习方法
机器人学
2024-08-23 v2 人工智能
摘要
本文提出一种基于强化学习（RL）的电动网联车辆（CVs）生态驾驶框架，以提升车辆在信号交叉口的能效。该车辆智能体通过集成基于模型的跟车策略、换道策略与RL策略来定义，以确保CV的安全运行。随后，我们构建了一个马尔可夫决策过程（MDP），使车辆能够执行纵向控制与横向决策，联合优化交叉口附近CV的跟车与换道行为。接着，将混合动作空间参数化为分层结构，从而在动态交通环境中以二维运动模式训练智能体。最后，我们在SUMO软件中从单车视角和车流视角对所提方法进行了评估。结果表明，我们的策略通过学习恰当的行动方案，在不干扰其他人类驾驶车辆（HDVs）的情况下显著降低了能耗。
引用
@article{arxiv.2206.12065,
title = {Eco-driving for Electric Connected Vehicles at Signalized Intersections: A Parameterized Reinforcement Learning approach},
author = {Xia Jiang and Jian Zhang and Dan Li},
journal= {arXiv preprint arXiv:2206.12065},
year = {2024}
}