考虑换道风险动态评估的快速路合流区CAV换道决策模型
来源：中国血液净化杂志2025年第1期北京时间：
作者：程国柱, 孟凤威, 陈永胜, 吕家乐, 王文志
单位：东北林业大学 土木与交通学院，黑龙江 哈尔滨 150040
摘要：<p>城市快速路作为重要交通走廊，其合流区交通调度更为复杂。为保障智能网联车辆（Connected and Automated Vehicle，CAV）在城市快速路合流区高效、安全、舒适行驶，基于城市快速路合流区的换道特征，开展了考虑换道风险动态评估结果的CAV换道决策模型的相关研究。首先，对换道车辆与邻车进行时空重叠分析，将分析结果作为潜在风险判别依据，对存在时空重叠的CAV及其邻车计算换道碰撞时间（Lane Change Time to Collision，LCTTC），实现换道风险动态评估；然后，将换道风险动态评估结果融入多目标奖励函数优化的DQN（Deep Q-Network）网络结构，并综合考虑车辆行驶高效性、安全性与舒适性等因素，提出具有风险感知的SIDQN（Security Improvement Deep Q-Network）换道决策；最后，通过仿真试验进行验证。研究结果表明：相较于对比策略，提出的SIDQN策略换道成功率保持在95%以上，且运行平均速度不低于21.008 m•s<sup>－1</sup>；此外，在复杂的交通合流场景中，融入安全性奖励的SIDQN策略表现出最佳安全性，其LCTTC平均占比仅为9.56%，远低于其他对比策略，同时事故率统计结果持续保持较低水平；在舒适性方面，SIDQN策略下换道次数仅为4次，连续换道和无效换道次数均为1次，并显著降低了频繁换道和极端加速减速操作次数，提升了乘客的舒适体验。提出的换道决策模型综合性能优势明显，可为智能网联环境下城市快速路合流区CAV安全换道决策研究提供参考。</p>
关键词：交通工程,换道决策,深度强化学习,智能网联车辆,换道风险评估,快速路合流区
