基于深度强化学习的道路交叉口生态驾驶策略研究

来源：交通运输系统工程与信息杂志2024年第1期北京时间：

作者：李传耀, 张帆, 王涛, 黄德鑫, 唐铁桥

单位：1. 中南大学，交通运输工程学院，长沙 410100；2. 合肥工业大学，汽车与交通工程学院，合肥 230000；3. 北京航空航天大学，交通科学与工程学院，北京 100191

摘要：在互联和自动驾驶环境下，生态驾驶具有显著的潜力，可提高交通效率并降低能源消耗和排放。本文探讨一种基于深度强化学习算法的生态驾驶策略，该算法可优化互联自动驾驶汽车(CAV)的纵向操纵和横向决策；将状态空间分为与车辆动态特性相关的局部变量，以及与信号交叉口相关的全局变量，确保CAV与环境之间的充分互动；奖励函数综合考虑了车辆的驾驶要求，与信号灯的协同作用以及全局节能激励因素；此外，设计一个典型的城市道路场景训练模型。结果表明，在信号灯和智能体输出协同控制下，本文提出的策略可以实现CAV的生态驾驶，并确保CAV准确驶入目标车道；在动态交通环境下进行仿真显示，通过控制多辆CAV引导人工驾驶车辆，本文方法可将交叉路口的通行能力提高约17.90%，并将交通系统的燃料消耗和污染物排放降低约8.76%。

关键词：智能交通,生态驾驶,深度强化学习,互联与自动驾驶汽车,信号交叉路口

基金资助：国家自然科学基金(72271248，72288101)