基于深度增强学习的无人车汇流决策方法
针对因道路结构变化或障碍物引起的车辆被动换道问题,提出一种基于深度增强学习算法的无人车汇流决策方法.将Q-learning算法与深度神经网络结合,设计深度神经网络对Q-learning算法中行为值函数非线性逼近.对深度神经网络用带有回报的交互数据进行训练,最终实现高维状态空间输入下的端到端决策.设计仿真环境,将训练得到的无人车决策模型在不同复杂度的交通场景下进行实验,仿真结果表明基于深度增强学习的无人车汇流决策方法能够安全高效的完成汇流任务.
自动驾驶、端到端决策、深度学习、汇流
41
TP242.6(自动化技术及设备)
2019-04-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
44-49