基于深度强化学习的车辆自主避撞决策控制模型.pdf

ISSN 1674-8484 汽车安全与节能学报, 第 12 卷 第 2 期 , 2021 年 8/15
CN 11-5904/U J Automotive Safety and Energy, Vol. 12 No. 2, 2021 201 — 209
基于深度强化学习的车辆自主避撞决策控制模型
李文礼，张友松，韩  迪，钱  洪，石晓辉
（重庆理工大学 汽车零部件先进制造技术教育部重点实验室，重庆 400054，中国）
摘 要： 为提高车辆对行驶环境的自我学习和决策能力，提出了一种基于深度确定性策略梯度（DDPG）
的车辆自主避撞决策控制模型。 基于 Markov 决策过程的强化学习理论和车辆纵向运动学特性，设计
了决策所需目标对象及自车信息的状态空间和自车减速度的动作空间，以安全性、舒适性和效率因素
为多目标奖励函数的端到端的车辆自主避撞决策模型。利用 Matlab/Simulink 构建的 DDPG 算法与交
通 环 境 的 交 互 模 型 ， 通 过了前 车 静 止（ CCRs）和 前 车 制 动 （ CCRb）场 景 测 试 。 结 果 表 明 ： 本 决 策 算 法
具有很好的收敛性，引入加速度和冲击度的极限值，在实现车辆有效避撞的同时，兼顾乘坐舒适性，
且性能优于模糊控制。
关键词： 车 辆 安全 ；自主 避 撞；深 度确定性 策略 梯度（DDPG）；控制 模 型；多目标奖 励函数
中图分类号： U 文献标识码： A DOI ： .1674-
Vehicle autonomous collision avoidance decision control model
based on deep reinforcement learning
LI Wenli, ZHANG Yousong, HAN Di, QIAN Hong, SHI Xiaohui
(Key Laboratory of Advanced Manufacture Technology for Automobile Parts, Ministry of Education, Chongqing
University of Technology, Chongqing 400054, China)
Abstract: A vehicle autonomous collision