一种自动驾驶车辆速度控制多目标优化的跟驰算法

摘要

本发明开发了一种自动驾驶车辆速度控制多目标优化的跟驰算法。该算法基于深度强化学习提出了一种用于汽车跟驰速度控制的模型，该模型不仅模仿人类驾驶，而是直接优化驾驶安全性、效率和舒适性。结合碰撞时间、车头时距经验分布、加加速度，构建了反映驾驶安全性，效率和舒适性的奖励函数，使用下一代仿真(Next Generation Simulation,NGSIM)项目中实际驾驶数据训练模型，并将模型模拟的跟驰行为与NGSIM经验数据中观察到的行为进行比较，强化学习智能体通过仿真环境中的试验和试错，以最大化累积奖励的方式学习安全、舒适、高效地控制车辆速度。结果表明，与现实世界中的人类驾驶员相比，提出的跟驰速度控制算法显示出更好的安全、高效和舒适驾驶能力。