基于深度强化学习的道路交叉口生态驾驶策略研究

在互联和自动驾驶环境下，生态驾驶具有显著的潜力，可提高交通效率并降低能源消耗和排放。本文探讨一种基于深度强化学习算法的生态驾驶策略，该算法可优化互联自动驾驶汽车(CAV)的纵向操纵和横向决策；将状态空间分为与车辆动态特性相关的局部变量，以及与信号交叉口相关的全局变量，确保CAV与环境之间的充分互动；奖励函数综合考虑了车辆的驾驶要求,与信号灯的协同作用以及全局节能激励因素；此外，设计一个典型的城市道路场景训练模型。结果表明，在信号灯和智能体输出协同控制下，本文提出的策略可以实现CAV的生态驾驶，并确保CAV准确驶入目标车道；在动态交通环境下进行仿真显示，通过控制多辆CAV引导人工驾驶车辆，本文方法可将交叉路口的通行能力提高约17.90%，并将交通系统的燃料消耗和污染物排放降低约8.76%。