RACE-SM：基于强化学习的社会性汇入匝道自主控制

在人类驾驶交通中，自主并行式汇入匝道仍然是自动驾驶车辆控制的一个现存问题。现有的非学习型车辆控制解决方案主要依赖规则和优化。这些方法已被发现面临重大挑战。深度强化学习的最新进展显示出希望并引起了广泛的学术兴趣，然而现有的基于学习的方法往往对其他高速公路车辆关注不足，且经常依赖不准确的道路交通假设。此外，并行式情况很少被考虑。本文提出了一种新颖的基于学习的加速和变道决策模型，该模型明确考虑了对自车及其周围车辆（可能是合作或非合作的）的效用，以产生社会可接受的行为。该新颖的奖励函数利用社会价值取向 (Social Value Orientation) 来权衡车辆的社会合作水平，并将其分为自车效用和周围车辆效用，根据模型指定的社会价值取向进行加权。本文考虑了一条具有汇入匝道的双车道高速公路，该匝道分为渐变式和并行式路段。仿真结果表明，在奖励函数设计中考虑周围车辆的重要性，并显示所提出的模型在碰撞方面匹配或超越了文献中的模型，同时通过直接考虑汇入对周围车辆的影响，引入了社会礼貌行为，避免了险些碰撞和反社会行为。