發(fā)布時間：2020-04-15 04:00

【摘要】：隨著交通擁堵、環(huán)境污染、交通事故等交通問題的日益突出,無人駕駛技術(shù)被認為是解決當前交通問題的有效方法。移動模型是無人駕駛技術(shù)的重要組成部分,是自主車進行決策與控制的依據(jù)。自主車的主要戰(zhàn)術(shù)決策和行為是換道決策和跟馳,其中的換道決策是碰撞和擁堵的主要來源,是最具有挑戰(zhàn)性的戰(zhàn)術(shù)決策。然而,許多換道模型都是基于數(shù)學公式和交通流理論建立起來的,雖然在一定程度上能夠模擬車輛的換道過程,為車輛提供換道決策,但缺乏車輛之間相互交互的考慮以及對其他影響因素的研究,使得其決策性能較低,不能夠很好的作為自主車的換道決策。本文主要研究了網(wǎng)聯(lián)環(huán)境下自主車的換道決策,主要貢獻如下:(1)將車輛的換道場景看作是完全信息下的非合作博弈,通過分析換道場景下的博弈要素與行為,提出了聯(lián)合駕駛風格和博弈理論的車輛換道決策,并且作為混合場景下自主車的換道決策進行仿真實驗,最后在數(shù)據(jù)集上進行有效性驗證。將風格系數(shù)引入到各方的博弈收益,體現(xiàn)不同風格對收益的重要影響,更加符合實際情況;使用恒定加速度和智能駕駛員模型的離散加速度兩種方式來預測換道車輛的位置,更加接近實際情況。該決策模型能夠進一步用于駕駛員輔助系統(tǒng)的開發(fā)和作為有人駕駛與無人駕駛混合環(huán)境下自主車的換道決策。(2)提出了一種基于函數(shù)逼近Q學習的自主車換道決策方法,為自主車提供換道決策。使用車頭時距來降低狀態(tài)空間的維度,有利于策略的探索與學習;通過合理的設(shè)置?-greedy策略的探索因子,從而加快算法的收斂速度;利用函數(shù)逼近的方法實現(xiàn)強化學習的泛化,更好的解決實際問題。最后進行了仿真實驗,使用函數(shù)逼近Q學習的方法控制自主車的換道,并且與聯(lián)合駕駛風格和博弈的換道決策以及其他方法進行比較,驗證了方法的有效性。
【學位授予單位】：大連理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U495;O225;U463.6

【參考文獻】

相關(guān)期刊論文 前10條

1 王振文;;基于神經(jīng)網(wǎng)絡的車輛跟馳模型[J];數(shù)字技術(shù)與應用;2016年12期

2 邱小平;劉亞龍;馬麗娜;楊達;;基于貝葉斯網(wǎng)絡的車輛換道模型[J];交通運輸系統(tǒng)工程與信息;2015年05期

3 邱小平;劉亞龍;;基于支持向量機的車輛跟馳模型[J];重慶交通大學學報(自然科學版);2015年06期

4 王世明;徐建閩;羅強;李日涵;;面向高速公路的車輛換道安全預警模型[J];華南理工大學學報(自然科學版);2014年12期

5 徐遠新;魯玉萍;王暢;施雯;;ACC系統(tǒng)用目標換道預測方法[J];中國安全科學學報;2014年10期

6 翁岳暄;多尼米克·希倫布蘭德;;汽車智能化的道路:智能汽車、自動駕駛汽車安全監(jiān)管研究[J];科技與法律;2014年04期

7 楊帆;;無人駕駛汽車的發(fā)展現(xiàn)狀和展望[J];上海汽車;2014年03期

8 賴林;胡永紅;史忠科;;基于車頭間距與前車速度的改進優(yōu)化速度模型[J];西北工業(yè)大學學報;2014年01期

9 李亞秋;吳超仲;馬曉鳳;黃珍;張暉;;基于EKF學習方法的BP神經(jīng)網(wǎng)絡汽車換道意圖識別模型研究[J];武漢理工大學學報(交通科學與工程版);2013年04期

10 何兆成;孫文博;;考慮橫向分離與超車期望的車輛跟馳模型[J];物理學報;2013年10期

相關(guān)碩士學位論文 前2條

1 肖飛;用于強化學習的值函數(shù)逼近方法研究[D];蘇州大學;2013年

2 霍克;城市道路駕駛員車道變換行為及注視轉(zhuǎn)移特性研究[D];長安大學;2010年

，

本文編號：2628105