信号交叉口网联电动汽车自适应学习生态驾驶策略

摘要：

提出了一种面向信号交叉口的自适应学习生态驾驶策略.首先,搭建了电动汽车纵向动力学模型,建立了信号灯交叉路口的虚拟交通仿真环境;其次,以车辆能耗最小化与通行效率最大化为目标,耦合设计强化学习奖励函数,基于深度确定性策略梯度算法(DDPG)对车辆加速度进行实时控制与训练;最后,通过蒙特卡洛试验法,验证本文提出的强化学习生态驾驶策略在不同初始交通场景下的有效性与鲁棒性.仿真结果表明,相较于常规"加速-匀速-制动(ACB)"策略,本文提出的强化学习生态驾驶策略在单路口和多路口场景下均可有效提升通行效率和能量效率.同时,智能网联汽车数字孪生试验平台的多次实车试验表明,本文的强化学习算法控制效果良好,可以有效减少车辆路口等待时长,降低能耗同时提高通行效率.

关键词：车辆工程、网联电动汽车、生态驾驶、深度强化学习、信号交叉口、数字孪生

所属期刊栏目：53

分类号：U469.72(汽车工程)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;江苏省重点研发计划项目

在线出版日期：2023-02-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：82-93