基于深度强化学习的协同式自适应巡航控制

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于深度强化学习的协同式自适应巡航控制

王文飒, 梁军, 陈龙, 陈小波, 朱宁, 华国栋

文章导航 > 交通信息与安全 > 2019 > 37(3): 93-100

王文飒, 梁军, 陈龙, 陈小波, 朱宁, 华国栋. 基于深度强化学习的协同式自适应巡航控制[J]. 交通信息与安全, 2019, 37(3): 93-100. doi: 10.3963/j.issn.1674-4861.2019.03.012

引用本文:

王文飒, 梁军, 陈龙, 陈小波, 朱宁, 华国栋. 基于深度强化学习的协同式自适应巡航控制[J]. 交通信息与安全, 2019, 37(3): 93-100. doi: 10.3963/j.issn.1674-4861.2019.03.012

WANG Wensa, LIANG Jun, CHEN Long, CHEN Xiaobo, ZHU Ning, HUA Guodong. Collaborative Adaptive Cruise Control Based on Deep Reinforcement Learning[J]. Journal of Transport Information and Safety, 2019, 37(3): 93-100. doi: 10.3963/j.issn.1674-4861.2019.03.012

Citation:

WANG Wensa, LIANG Jun, CHEN Long, CHEN Xiaobo, ZHU Ning, HUA Guodong. Collaborative Adaptive Cruise Control Based on Deep Reinforcement Learning[J]. Journal of Transport Information and Safety, 2019, 37(3): 93-100. doi: 10.3963/j.issn.1674-4861.2019.03.012

王文飒, 梁军, 陈龙, 陈小波, 朱宁, 华国栋. 基于深度强化学习的协同式自适应巡航控制[J]. 交通信息与安全, 2019, 37(3): 93-100. doi: 10.3963/j.issn.1674-4861.2019.03.012

引用本文:

王文飒, 梁军, 陈龙, 陈小波, 朱宁, 华国栋. 基于深度强化学习的协同式自适应巡航控制[J]. 交通信息与安全, 2019, 37(3): 93-100. doi: 10.3963/j.issn.1674-4861.2019.03.012

WANG Wensa, LIANG Jun, CHEN Long, CHEN Xiaobo, ZHU Ning, HUA Guodong. Collaborative Adaptive Cruise Control Based on Deep Reinforcement Learning[J]. Journal of Transport Information and Safety, 2019, 37(3): 93-100. doi: 10.3963/j.issn.1674-4861.2019.03.012

Citation:

WANG Wensa, LIANG Jun, CHEN Long, CHEN Xiaobo, ZHU Ning, HUA Guodong. Collaborative Adaptive Cruise Control Based on Deep Reinforcement Learning[J]. Journal of Transport Information and Safety, 2019, 37(3): 93-100. doi: 10.3963/j.issn.1674-4861.2019.03.012

基于深度强化学习的协同式自适应巡航控制

doi: 10.3963/j.issn.1674-4861.2019.03.012

江苏大学汽车工程研究院江苏镇江 212013
江苏大学汽车工程研究院江苏镇江 212013;静冈理工科大学机械系日本静冈袋井 437-0032
江苏大学汽车工程研究院江苏镇江 212013
江苏大学汽车工程研究院江苏镇江 212013
静冈理工科大学机械系日本静冈袋井 437-0032
江苏智行未来汽车研究院南京 210000

基金项目:

国家重点研发计划项目

国家自然科学基金项目

中图分类号: U471.1
计量
- 文章访问数: 478
- HTML全文浏览量: 101
- PDF下载量: 7
- 被引次数: 0
出版历程
- 刊出日期: 2019-06-28

Collaborative Adaptive Cruise Control Based on Deep Reinforcement Learning

摘要: 针对传统的协同式自适应巡航控制的算法响应慢、无法快速准确地对突发危险路况做出反应的问题,设计了基于深度强化学习的协同式自适应巡航控制框架,提出了双经验池和优化评价的深度确定性策略梯度算法.在传统算法基础上新建了2个包含车辆状态信息的经验池(优先价值经验池和撒普列经验池),训练数据样本分别从2个经验池按比例选取;critic评价模块采用多维向量对输出的踏板开度策略精确评价.结果表明,该算法在正常行驶工况和突发危险工况下:平均跟车间距误差分别下降1.8 m和1.5 m,跟车调节时间分别降低30%和25%,可以提升控制的准确性和系统紧急反应能力.
- 智能驾驶 /
- 自动控制 /
- 协同式自适应巡航控制 /
- 深度强化学习 /
- 深度确定性策略梯度

参考文献(0)

资源附件(0)

WeChat

点击查看大图

计量

文章访问数: 478
HTML全文浏览量: 101
PDF下载量: 7
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

本系统由北京仁和汇智信息技术有限公司开发