基于强化学习的社会化车道合并自主控制：RACE-SM

人工智能车辆在受控交通中的并行式车道合并持续存在现实问题。现有的非学习方法主要依赖规则和优化，但面临诸多挑战。最近的深度强化学习进展显示出前景并受到广泛关注，但现有的学习方法对其他高速车辆的关注不足，往往依赖不准确的道路交通假设。此外，几乎没有考虑并行式情况。本文提出了一种新颖的学习方法，用于加速度和车道变更决策，该方法显式地考虑到 ego 车辆及其周围车辆（可能是合作或不合作）的效用，以产生符合社会规范的行为。该 novel reward 函数利用 Social Value Orientation 来加权车辆的社会合作程度，并分为 ego 车辆与周围车辆效用，根据模型指定的 Social Value Orientation 进行加权。我们考虑了一个两车道的高速公路，其上坡道分为收缩式和并行式两个部分。仿真结果表明，在奖励函数设计中考虑周围车辆的重要性，并表明所提出的模型在避免碰撞方面可与文献中所述方法相匹配或更好，同时通过直接考虑合并对周围车辆的影响，引入了社会礼貌行为，避免了近距离碰撞和反社会行为。