隨著互聯(lián)網(wǎng)技術以及通信技術的飛速發(fā)展,車輛的智能化和網(wǎng)聯(lián)化技術也在逐步提高,無人駕駛技術作為智能交通的重要部分,其研究也越來越成熟。目前,大部分無人駕駛汽車都使用傳統(tǒng)的局部路徑規(guī)劃以及車輛控制算法,而感知、決策、控制作為獨立的模塊,不能保證高精度的時間同步以及空間同步,對于自動駕駛而言,上述三個模塊結合的越緊密,自動駕駛的安全性和準確性越高。隨著人工智能技術的發(fā)展,深度強化學習為復雜系統(tǒng)的序貫優(yōu)化決策問題提供了另一種解決思路,本文基于深度強化學習對無人駕駛決策控制方法進行研究,在開源賽車模擬器中進行動態(tài)行車環(huán)境的安全性分析。本文的主要研究工作如下:首先建立了面向無人駕駛的強化學習框架,基于TORCS仿真環(huán)境返回的環(huán)境和車輛狀態(tài)參數(shù)對強化學習算法中狀態(tài)和動作進行定義。針對期望的駕駛表現(xiàn),設計了面向無人駕駛的強化學習算法獎勵函數(shù),并設計了訓練過程的終止條件。根據(jù)深度確定性策略梯度算法原理和無人駕駛環(huán)境的狀態(tài)、動作需求,分別建立了策略、價值、目標神經(jīng)網(wǎng)絡,分析了上述網(wǎng)絡的訓練與參數(shù)更新方法,搭建了深度強化學習算法的整個網(wǎng)絡框架。根據(jù)車輛行駛過程中所處的狀態(tài)對樣本進行分類,設計了經(jīng)驗緩存池分離... 

【文章來源】：湖南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

TORCS平臺示意圖

【參考文獻】：
期刊論文
[1]深度強化學習概述[J]. 徐松林.  電腦知識與技術. 2019(03)
[2]改進DDPG算法在自動駕駛中的應用[J]. 張斌,何明,陳希亮,吳春曉,劉斌,周波.  計算機工程與應用. 2019(10)
[3]基于3D CNN-DDPG端到端無人駕駛控制[J]. 李國豪.  電子設計工程. 2018(22)
[4]無人駕駛系統(tǒng)中的關鍵技術淺論[J]. 張俊元.  時代汽車. 2018(11)
[5]無人駕駛車輛行為決策系統(tǒng)研究[J]. 熊璐,康宇宸,張培志,朱辰宇,余卓平.  汽車技術. 2018(08)
[6]基于改進人工勢場法的智能車輛超車路徑規(guī)劃研究[J]. 王樹鳳,張鈞鑫,劉宗鋒.  汽車技術. 2018(03)
[7]基于人工勢場算法的智能車輛路徑規(guī)劃仿真[J]. 安林芳,陳濤,成艾國,方威.  汽車工程. 2017(12)
[8]改進RRT在汽車避障局部路徑規(guī)劃中的應用[J]. 宋曉琳,周南,黃正瑜,曹昊天.  湖南大學學報(自然科學版). 2017(04)
[9]多策略蟻群算法求解越野路徑規(guī)劃[J]. 吳天羿,許繼恒,劉建永,昝良.  解放軍理工大學學報(自然科學版). 2014(02)

博士論文
[1]多智能體深度強化學習方法及應用研究[D]. 張悅.西安電子科技大學 2018
[2]智能駕駛車輛自主決策與規(guī)劃的增強學習方法研究[D]. 左磊.國防科學技術大學 2016

碩士論文
[1]基于深度學習的智能控制研究[D]. 林昊威.吉林大學 2018
[2]面向無人駕駛的增強學習算法研究[D]. 陳銀銀.電子科技大學 2018
[3]基于深度強化學習的虛擬無人車控制研究[D]. 顧文逸.南京理工大學 2018
[4]基于深度強化學習的無人駕駛智能決策控制研究[D]. 左思翔.哈爾濱工業(yè)大學 2018
[5]基于改進型人工勢場法的車輛避障路徑規(guī)劃研究[D]. 朱偉達.江蘇大學 2017
[6]基于深度強化學習的自動駕駛決策仿真[D]. 夏偉.中國科學院大學(中國科學院深圳先進技術研究院) 2017
[7]典型路況下無人駕駛車輛局部路徑規(guī)劃方法研究[D]. 莊雷雨.武漢理工大學 2017
[8]無人駕駛汽車的路徑規(guī)劃與跟隨控制算法研究[D]. 潘魯彬.湖南大學 2016
[9]有限狀態(tài)機及其應用[D]. 譚同超.華南理工大學 2013



本文編號：3242182