-
题名混行交通下高速匝道入口智能车辆汇流方法
被引量：1
- 1
-
-
作者
王蛟
蔡英凤
陈龙
刘擎超
王海
-
机构
江苏大学汽车工程研究院
江苏大学汽车与交通工程学院
-
出处
《重庆理工大学学报（自然科学）》
北大核心
2023年第6期93-101,共9页
-
基金
国家自然科学基金项目(U20A20333,51905223,51875255)。
-
文摘
高速公路匝道入口处的车辆汇流问题是智能驾驶车辆决策系统面临的难题。其中,人类驾驶车辆和智能驾驶车辆混行汇流是最为复杂的情况之一。为了提高汇流区车辆的通行效率,降低污染物质的排放量,通过分析车辆在车道中的分布情况对通行效率的影响,创新了基于深度Q学习(deep Q-network, DQN)算法的智能驾驶车辆汇入模型,根据平均道路时空利用率条件对算法的优化目标函数进行了改进。同时根据真实数据集数据进行分析,定义了场景中车辆的驾驶风格,并建立了混行交通仿真场景。试验结果表明:在3种不同的交通流量条件下,与智能驾驶者模式(intelligent driver model, IDM)模型相比,基于DQN的主道车辆换道模型使得匝道汇流区整体的通行效率平均提高23.10%;每车燃油消耗量平均减少12.7%;每车各种污染气体排放量降低10%~20%。
-
关键词
智能驾驶
匝道混行汇流
深度Q学习
平均道路时空利用率
驾驶风格
-
Keywords
intelligent driving
confluence merging at a ramp
Deep Q-Network
average road space-time utilization rate
driving style
-
分类号
U467.13
[机械工程—车辆工程]
-
