一种基于深度强化学习的自适应巡航控制算法

摘要：

自适应巡航控制是智能驾驶领域的核心技术,可通过分层控制或参数可变控制算法实现,但这些算法无法有效应对突发的跟车路况.为此,将深度强化学习与自适应巡航控制相结合,提出基于确定性策略梯度算法的自适应巡航控制算法,使智能车辆可以在自学习过程中完成自适应巡航并不断改进.在开源平台上的测试结果表明,该算法可以使智能驾驶车辆在跟车时加速度保持在1.8 m/s2以内的比例超过90％,达到人类驾驶员的巡航跟车水平.

关键词：智能驾驶、自动控制、自适应巡航控制、深度强化学习、确定性策略梯度算法

所属期刊栏目：44

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金“视听觉信息的认知计算”重大研究计划重点支持项目“智能车驾驶脑认知技术、平台与转化研究”91420202;英国皇家工程院牛顿基金UK-CIAPP/324;北京市属高校高水平教师队伍建设支持计划项目IDHT20170511;北京市教委科研计划项目KM201811417006

在线出版日期：2018-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：32-35,41