论文部分内容阅读
近些年传感器技术、信息处理和计算机技术高速发展,同时带动了智能交通系统,这给社会带来了极大的的经济效益。从驾驶员的角度看,智能车的出现使得人们在自驾出行的途中不被车束缚,并且可以减少由于人为因素,如酒驾、疲劳驾驶导致的交通事故。能有效提高行车的安全性,提高乘客的舒适度;从整个智能交通系统的角度看,将有助于解决当前安全和交通拥堵两大问题,并将大幅度提升当前交通效率低下的问题。超车是常见的驾驶行为,也是最容易引起安全事故和交通堵塞的行为之一。这是由于超车过程繁琐且环境复杂多变,每个过程都面临来自人为因素及道路环境不断变化的两个严重潜在事故因素。因此在众多驾驶过程中可能出现的操作中,超车成为了智能驾驶的难点之一。应急车辆包括救护车、消防车、警车等执行城市紧急救援服务的车辆。其在执行紧急救援任务时,是要保证争分夺秒,否则很有可能因为耽误短短的几分钟而引发严重的后果,使本可以避免的损失无法挽回。保证应急车辆超越常规车辆优先通行的过程中常规车辆主动避让,是城市应急救援力量快速部署的关键。因此,多个智能车主动配合救援车超车是极为重要的一环。本文主要研究在同方向直线双车道的公路上,多个无人驾驶车辆相互协作与协调完成自主超车的全部过程,包括变道、超车、返回原车道。首先采用强化学习中的经典Q学习算法完成非协作场景中的单智能车超车控制。因其应对复杂道路的具有局限性,提出了多智能体联合控制的Q学习算法和多智能体独立控制的Q学习算法。通过构建两车协作超车的模型在相同环境下对两种协作方式做出分析比较,为环境复杂多变且N个智能车间的协作超车策略提供重要依据。并将独立协作的Q学习算法应用到紧急救援场景中的智能车协作超车中,结合实际救援车超车场景和交通规则,确定了状态集合、动作集合以及从救援车和常规车两个角度给与奖惩,让救援车顺利超车、常规车辆主动避让。最终目的是让救援车以最短的时间安全超车并抵达目的地。最后引入共享经验的协作强化学习算法进一步提升完成整个超车过程的安全性和高效性。