智能网联车辆加速车道类人化汇入控制研究 |
| |
引用本文: | 谷梦路,葛振振,王畅,苏彦奇,郭应时.智能网联车辆加速车道类人化汇入控制研究[J].中国公路学报,2024(3):134-146. |
| |
作者姓名: | 谷梦路 葛振振 王畅 苏彦奇 郭应时 |
| |
作者单位: | 1. 长安大学汽车学院;2. 长安大学汽车运输安全保障技术交通行业重点实验室 |
| |
基金项目: | 国家自然科学基金项目(52102451,52002035);;陕西省重点研发计划项目(2023-YBGY-035);;中央高校基本科研业务费专项资金项目(CHD300102223501)~~; |
| |
摘 要: | 为研究智能网联车辆(Intelligent Connected Vehicle, ICV)与高速公路主线传统人工驾驶车辆(Human-driven Vehicle, HDV)交互时通过高速公路加速车道的汇入控制算法,提出了一种融合随机森林(Random Forest, RF)算法和深度Q网络(Deep Q-network, DQN)算法的ICV汇入控制模型(DQN-RF)。首先,建立路侧数据采集平台,采集了中国G70高速公路加速车道汇入区域HDV的真实汇入过程数据。其次,考虑汇入环境车辆历史数据流和汇入车在加速车道的汇入紧迫度,建立了基于RF算法的类人化汇入决策模型。采用城市交通仿真(Simulation of Urban Mobility, SUMO)平台搭建了高速公路加速车道ICV汇入场景,并基于Python语言建立了ICV汇入控制深度强化学习测试脚本环境,建立了基于DQN的纵向加速度控制算法。最后,将RF汇入决策模型嵌入DQN纵向加速度控制算法中,实现了ICV汇入决策和纵向加速度控制的融合。将SUMO内置的LC2013换道模型与DQN模型融合为DQN-LC2013模型,作为基线模...
|
关 键 词: | 交通工程 汇入控制模型 DQN-RF 智能网联汇入车辆 加速车道 SUMO仿真 |
|
|