基于混合动作空间参数化深度Q网络的集成式自动跟驰与换道控制
系统与控制
2026-07-07 v1
摘要
换道会向上游车辆引发交通扰动，对交通安全和效率不利。结合跟驰行为，这些联合操作描绘了交通扰动如何在车流中产生和传播的全貌，尤其是在交通拥堵情况下。本研究针对网联自动驾驶车辆（CAVs）提出了一种集成式换道与跟驰控制框架，而现有方法大多将这两项任务视为独立的驾驶任务。利用具有混合动作空间的参数化深度Q网络（P-DQN），该框架能够熟练地对CAV控制中的多个目标进行建模。P-DQN的高层控制用于离散的换道决策，而其低层控制则管理连续的加速度动作，即横向和纵向加速度。这些动作是相互依赖地确定的，无缝集成了跟驰和换道控制。通过训练以最大化累积奖励，所提出的控制策略确保了驾驶安全以及跟驰、换道和车道保持的效率。数值实验表明，在安全性和舒适性方面，P-DQN优于分离式控制方法，例如最小化换道引起的整体制动减速度（MOBIL）模型与智能驾驶员模型（IDM）的组合。
引用
@article{arxiv.2607.06771,
title = {Integrated Automated Car Following and Lane-changing control based on a Parametrized Deep Q-network with Hybrid Action Space},
author = {Hao Zhang and Zihao Li and Yang Zhou},
journal= {arXiv preprint arXiv:2607.06771},
year = {2026}
}