一种基于深度强化学习的自适应巡航控制算法

来源：计算机工程杂志2018年第7期北京时间：

作者：韩向敏,鲍泓,梁军,潘峰,玄祖兴

单位：北京联合大学 北京信息服务工程重点实验室,北京 100101

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

基金资助：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)。