面向路侧单元辅助的局部化自动车辆maneuvering：一种离线强化学习方法
系统与控制
2024-09-19 v2 系统与控制
摘要
交通路口是连接与自动车辆（CAVs）安全高效maneuvering的重大挑战。本研究提出一种创新的路侧单元（RSU）辅助合作maneuvering系统，旨在提高路口区域CAVs的行车安全性和效率。我们利用 RSU 进行实时交通数据获取，并基于人类驾驶数据训练离线强化学习（RL）算法。来自硬件在环自动驾驶仿真的评估结果表明，我们的方法采用 twin delayed deep deterministic policy gradient 和行为克隆（TD3+BC），在安全性指标方面表现出与最先进自动驾驶系统相当，同时在路口区域的行程效率提升了最高可达 17.38%。本文在智能交通系统领域作出了关键性贡献，为改善城市交通流量和路口安全提供了突破性解决方案。
引用
@article{arxiv.2405.03935,
title = {Roadside Units Assisted Localized Automated Vehicle Maneuvering: An Offline Reinforcement Learning Approach},
author = {Kui Wang and Changyang She and Zongdian Li and Tao Yu and Yonghui Li and Kei Sakaguchi},
journal= {arXiv preprint arXiv:2405.03935},
year = {2024}
}
备注
6 pages, 6 figures