基于強化學習的智能車移動模型研究.pdf

1、汽車的發(fā)明改變了人們的生活狀態(tài)和方式，加快了地域和地域之間的交流，促進了上游的機械等制造行業(yè)和下游的銷售保養(yǎng)維護等第三產(chǎn)業(yè)的發(fā)展。汽車在給人們?nèi)粘Ｉ顜肀憷耐瑫r，也伴隨著一些重大問題，例如交通事故和一上路就堵在路上的城市交通擁堵等問題。僅2015年發(fā)生的交通事故就造成了58022人死亡和10.4億元的直接經(jīng)濟損失，全國60個主要城市，其中30個城市的高峰擁堵延時指數(shù)超過1.8，已經(jīng)成為制約我國經(jīng)濟發(fā)展和危害人民生命財產(chǎn)安全的主要因素

2、之一。
　　隨著傳感器技術、車聯(lián)網(wǎng)技術的發(fā)展，歐美國家正致力于發(fā)展智能交通系統(tǒng)（ITS）解決上述問題。其中智能車輛是ITS系統(tǒng)的重要組成部分。如果說汽車的發(fā)明是人類歷史上交通工具的一次飛躍，那么智能車可以說是自汽車發(fā)明二個半世紀以來人類歷史上交通工具的另一次飛躍，它把人類駕駛員從繁重的駕駛?cè)蝿罩薪饷摮鰜怼?br>　　智能車首先要解決的一個問題是車輛的移動性問題。智能車具有反應時間短、感知精度高等特點，傳統(tǒng)的移動模型已經(jīng)不能很好地描

3、述智能車的移動行為。為智能車建立移動模型成為目前亟待解決的問題。本文研究了基于增強學習的移動模型方法，重點針對智能車的跟馳模型和換道模型進行了研究，并且探討了移動模型與智能車周圍車輛、智能車自身運動控制之間的關系，主要的貢獻有：
　?。?）針對智能車的跟馳行為，提出了基于DQN的智能車跟馳模型，并且通過在仿真平臺上進行驗證，證明了模型的有效性。
　?。?）針對智能車的換道執(zhí)行行為，設計了理想?yún)⒖架壽E、基于QSMC的換道軌跡跟