基于改进Q学习的智能车辆多场景安全制动算法

来源：计算机应用杂志2025年第11期北京时间：

作者：周贤文, 龙潇, 余欣磊, 张依恋

单位：上海海事大学 航运技术与控制工程交通运输行业重点实验室，上海 201306

摘要：针对智能车辆在混合交通流下的行驶安全问题，提出一种基于改进Q学习的智能车辆多场景安全制动算法。首先，根据路面情况与车辆参数建立三车模型，并分别模拟制动、跟车与变道场景。其次，对训练数据进行线性规划，以确保智能车辆存在安全制动的可能；同时，设置奖励函数，引导智能体在保证安全制动的基础上控制中车与前车、后车之间的距离尽可能相等。最后，结合区间分块方法，使算法能处理连续状态空间问题。与传统Q学习算法在制动、跟车、变道行驶场景下进行仿真对比实验的结果表明，所提算法的安全率由76.02%提高到100.00%，总训练时间降低为传统算法的69%。可见，所提算法安全性更好、训练效率更高，而且在制动、跟车与变道场景中均能在保证安全的前提下控制中车与前车、后车之间的距离尽可能相等。

关键词：智能汽车,智能制动,Q学习,线性规划

基金资助：国家自然科学基金资助项目(62176150);上海市地方院校能力建设项目(20040501400)