考虑驾驶风格的智能车自主驾驶决策方法

摘要：

为了提升智能车类人驾驶水平,提供符合驾乘者驾驶习惯的个性化驾驶服务,改进了DDPG算法并设计智能车驾驶决策系统,学习不同风格的个性化驾驶策略.招募20位驾驶人参加基于仿真平台的模拟驾驶实验,采集驾驶数据.运用相关性检验方法选择个性化驾驶评价指标,使用K-means聚类方法将驾驶风格进行分类.在基础DDPG算法的输出部分加入线性变换过程,形成改进的个性化驾驶决策学习算法,进而构建个性化自主驾驶系统,以3种驾驶风格作为学习目标,调节线性变换参数,在线训练并测试算法.结果表明,提出的方法比基础算法收敛速度提升21.3％.算法在测试场景中,保持了高于驾驶人的横向控制水平,车道偏移量下降73.0％,且驾驶的车辆未与道路外侧护栏发生碰撞.聚类结果显示,算法通过调节线性变换参数,能够有效学习不同的驾驶风格.

关键词：智能交通、自动驾驶、个性化驾驶、深度强化学习、智能车辆

所属期刊栏目：38

分类号：U495(交通工程与公路运输技术管理)

资助基金：国家自然科学基金项目;湖北省创新群体项目

在线出版日期：2020-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：37-46