科研之友
微信
新浪微博
Facebook
分享链接
摘要
深度强化学习在自动变道决策问题中由于它的试错学习的特性，易在训练过程中出现不安全的行为。为此，提出一种基于轨迹预测的安全强化学习自动变道决策方法。首先，通过最大似然估计的概率建模预测车辆的未来行驶轨迹；接着，利用得到的轨迹预测和安全距离指标进行驾驶风险评估，并且根据驾驶风险评估结果进行安全动作约束，将动作空间裁剪为安全动作空间，指导智能车辆避免危险动作；最后，在SUMO仿真平台的高速公路场景中，将所提方法与深度Q网络（DQN）及其改进方法进行测试比较。实验结果表明，所提方法在智能车辆训练过程中保证快速收敛的同时，碰撞发生的次数相较于对比方法降低了47%～56%，有效提高了训练过程中的安全性。
