混合交通无信号交叉口智能网联汽车低风险左转运动控制

来源：中国血液净化杂志2025年第5期北京时间：

作者：李立, 赵峥程, 许文鹏, 路庆昌, 龚贤武

单位：1. 长安大学　电子与控制工程学院，陕西　西安　710064","2. 广西北投信创科技投资集团有限公司，广西　南宁　530200

摘要：<p>为了使智能网联汽车（Intelligent Connected Vehicle，ICV）在混合交通条件下安全顺畅通过无信号交叉口，提出了一种基于动态碰撞风险评估和深度强化学习的ICV低风险左转运动控制方法。首先，从无信号交叉口真实车辆轨迹中提取左转冲突事件，设计了考虑车辆实时转向角度的碰撞概率计算方法，将其与碰撞严重程度指标相结合评价车辆左转碰撞风险；接着，根据不同碰撞严重程度的左转冲突事件发生的先验概率与条件概率，使用贝叶斯定理计算事件发生的后验概率，并加和获得ICV左转风险感知系数；然后，采用K-shape聚类划分存在潜在左转冲突的有人驾驶车辆行驶风格，将多种风格的有人驾驶车辆作为与ICV混合行驶的交通仿真背景车辆；进而，采用虚拟队列方法确定交叉口冲突区内的车辆通行顺序，以此为基础构建ICV期望车速多目标规划模型，并使用粒子群优化算法求解期望车速；最后，提出一种考虑动态行车风险的ICV左转运动决策深度强化学习算法RA-SAC（Risk-awareness Soft Actor-critic），将左转风险感知系数和期望车速纳入算法的奖励函数中，设计随左转风险变化的奖惩调整机制，使ICV迭代学习通过冲突区的策略，并使用算法输出参数控制ICV纵向和转向运动控制器。基于Prescan与Simulink搭建无信号交叉口混合交通仿真环境，选择3种经典深度强化学习算法作为RA-SAC算法的对比算法。结果表明：轨迹中提取的左转冲突事件中，有人驾驶车辆风格差异明显；相较于对比算法，RA-SAC算法能够使用更少的训练步数获得更高的训练奖励，ICV与临近车辆车头时距低于安全阈值的累计时间平均减少91.09%，ICV风险系数下降速度平均提高27.00%，通行效率和驾乘舒适度综合分数平均提高21.40%，与多种风格的有人驾驶车辆交互时适应性更好。</p>

关键词：汽车工程,左转运动控制,深度强化学习,RA-SAC,智能网联汽车,无信号交叉口,混合交通,碰撞风险