基于深度强化学习方法的局部联网自动驾驶车辆协同控制策略
系统与控制
2020-12-04 v1 系统与控制
摘要
本文提出了一种基于深度强化学习（DRL）算法的联网自动驾驶车辆（CAVs）在局部联网自动驾驶交通环境下的纵向协同控制策略，该策略增强了混合交通的队列稳定性、跟车效率与能效。由于混合交通序列具有组合性，为降低训练维度并减轻通信负担，我们将混合交通分解为多个子系统，每个子系统由人类驾驶车辆（HDV）及其后跟随的协同CAV组成。在此基础上，基于深度强化学习算法开发了协同CAV控制策略，使CAV能够学习前导HDV的特性并协同做出纵向控制决策，从而在局部改善各子系统性能，进而提升整体混合交通流性能。在训练中，采用分布式近端策略优化以确保所提DRL的训练收敛。为验证所提方法的有效性，进行了仿真实验，结果表明我们的模型在不同渗透率及不同前导HDV行为下，具有优异的抑制振荡泛化能力，并能高效完成跟车与节能任务。
引用
@article{arxiv.2012.01841,
title = {Partially Connected Automated Vehicle Cooperative Control Strategy with a Deep Reinforcement Learning Approach},
author = {Haotian Shi and Yang Zhou and Keshu Wu and Xin Wang and Yangxin Lin and Bin Ran},
journal= {arXiv preprint arXiv:2012.01841},
year = {2020}
}