智能网联车辆加速车道类人化汇入控制研究

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...