【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(rèn)為是解決當(dāng)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(xué)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(xiàn)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(fēng)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(fēng)格系數(shù)引入到各方的博弈收益,體現(xiàn)不同風(fēng)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(yù)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(xué)習(xí)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(xué)習(xí);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(xué)習(xí)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(xué)習(xí)的方法控制自主車的換道,并且與聯(lián)合駕駛風(fēng)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(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U495;O225;U463.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

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

2 邱小平;劉亞龍;馬麗娜;楊達(dá);;基于貝葉斯網(wǎng)絡(luò)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(xué)學(xué)報(自然科學(xué)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(yù)警模型[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2014年12期

5 徐遠(yuǎn)新;魯玉萍;王暢;施雯;;ACC系統(tǒng)用目標(biāo)換道預(yù)測方法[J];中國安全科學(xué)學(xué)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(xué)學(xué)報;2014年01期

9 李亞秋;吳超仲;馬曉鳳;黃珍;張暉;;基于EKF學(xué)習(xí)方法的BP神經(jīng)網(wǎng)絡(luò)汽車換道意圖識別模型研究[J];武漢理工大學(xué)學(xué)報(交通科學(xué)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(xué)報;2013年10期

相關(guān)碩士學(xué)位論文 前2條

1 肖飛;用于強化學(xué)習(xí)的值函數(shù)逼近方法研究[D];蘇州大學(xué);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(xué);2010年

，

本文編號：2628105