计算机应用研究

作者：王曙燕,万顷田,

单位：西安邮电大学计算机学院,西安710121；

关键词：深度强化学习,自动驾驶,无信号交叉口,驾驶决策,奖励函数,

基金：陕西省教改重点攻关项目(21BG038)；陕西省重点研发计划项目(2020GY-210)；；

利用深度强化学习（deep reinforcement learning，DRL）技术实现自动驾驶决策已成为国内外研究热点，现有研究中的车辆交通流缺乏随机性与真实性，同时自动驾驶车辆在环境中的有效探索具有局限性。因此利用TD3算法进行自动驾驶车辆在无信号交叉口下的右转驾驶决策研究，首先在Carla仿真平台中开发无信号交叉口的训练与测试场景，并添加交通流管理功能，提高系统训练和测试随机性。其次，为了提高自动驾驶车辆的探索性，对TD3算法中的Actor网络进行改进，为目标动作添加OU噪声。最后使用通行成功率和平均通行时间评估指标评价自动驾驶行为决策。结果表明，在不同交通流场景下，改进后的TD3算法通行成功率与基于DDPG算法控制的车辆相比平均提升6.2%，与基于规则的AEB模型相比平均提升23%。改进后的TD3算法不仅能够探索更多可能，而且其通行决策表现更加突出。

来源：2023年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第5期