基于改进DDPG算法的车辆低速跟驰行为决策研究

论文摘要

车辆跟驰行为决策研究对于车辆跟驰驾驶技术的发展至关重要,以深度强化学习方法研究车辆低速跟驰场景,提出了一种改进型DDPG决策算法,该算法在DDPG算法的基础上,结合了CBF控制器以进行安全补偿控制与策略探索指导;同时,设计了符合低速跟驰期望目标的奖励函数。在对比实验中,通过高斯过程模型模拟跟驰车队系统,分别用DDPG算法和DDPG-CBF改进算法控制其中一辆车的跟驰行为,实验结果表明,相比于DDPG算法,DDPG-CBF改进算法可以更有效地保证跟驰决策的安全性,同时具有更高的学习效率,能够应用于车辆低速跟驰场景。

论文目录

• 1 强化学习理论基础
• 2 基于改进DDPG算法的车辆低速跟驰行为决策
•   2.1 DDPG算法原理
•   2.2 高斯过程与奖励函数设定
•   2.3 CBF方法
•   2.4 DDPG-CBF改进算法
• 3 仿真实验结果分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 罗颖,秦文虎,翟金凤

关键词: 车辆低速跟驰,深度强化学习,高斯过程模型

来源: 测控技术 2019年09期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 公路与水路运输,自动化技术

单位: 东南大学仪器科学与工程学院

分类号: TP18;U491

DOI: 10.19708/j.ckjs.2019.09.004

页码: 19-23

总页数: 5

文件大小: 251K

下载量: 348