安全关键变道中驾驶员规避行为建模：二维碰撞时间与深度强化学习
人工智能
2023-04-06 v1
摘要
变道是复杂的驾驶行为，且经常涉及安全关键情形。本研究旨在开发一种与变道相关的规避行为模型，以促进具有安全意识的交通仿真和预测性碰撞避免系统的发展。本研究使用了来自安全驾驶模型部署（SPMD）计划的大规模网联车辆数据。提出了一种新的替代安全度量——二维碰撞时间（2D-TTC），用于识别变道过程中的安全关键情形。通过展示检测到的冲突风险与存档碰撞之间的高度相关性，证实了 2D-TTC 的有效性。采用深度确定性策略梯度（DDPG）算法对识别出的安全关键情形中的规避行为进行建模，该算法能够学习连续动作空间上的序贯决策过程。结果表明，所提模型在复现纵向和横向规避行为方面具有优越性。
引用
@article{arxiv.2209.15133,
title = {Modeling driver's evasive behavior during safety-critical lane changes:Two-dimensional time-to-collision and deep reinforcement learning},
author = {Hongyu Guo and Kun Xie and Mehdi Keyvan-Ekbatani},
journal= {arXiv preprint arXiv:2209.15133},
year = {2023}
}