原文传递
基于时空数据的无人驾驶车辆的速度控制框架
| 论文题名： | 基于时空数据的无人驾驶车辆的速度控制框架 |
| 关键词： | 无人驾驶;时空数据;速度控制;强化学习 |
| 摘要： | “幽灵”式的交通堵塞是导致城市拥堵现象的主要原因。这种交通堵塞通常发生在高密度交通中，没有明显的交通事故或道路施工标志。它会延误人们出行时间，浪费燃料并导致空气污染。在单车道交通中，“幽灵”交通堵塞的根本原因是一些车辆的突然速度变化（车辆速度控制不当），可能会在车道上的所有车辆中引起累积影响的连锁反应。 MIT曾有团队尝试采用双边控制方法来控制车辆，即让道路上所有的车辆与其前后方车辆始终维持一个恒定的车距，如此做法虽然能够缓解拥堵，但也损害了车辆本身行驶的舒适性等。当然，随着近些年无人驾驶技术的快速发展，国内外也有许多团队提出了很多智能的速度控制算法，但他们都忽略了真实交通场景中车辆的复杂的交互信息，导致它们都无法适用于复杂的交通场景，无法应用于解决幽灵堵车问题， 而本文首次尝试通过提升无人驾驶车辆的速度控制的质量来解决这一棘手的问题。具体而言，本文提出了一个速度控制框架，称为PATROL（velocitycontrolframeworkviasPAtial-TemporalReinfOrcementLearning）。首先，本文设计了一个时空图，以处理和提取多个历史时间步中前方多辆车辆的信息（例如速度和距离差异），即充分还原真实交通中车辆的交互情况。然后，使用基于多头注意力机制和深度学习模型的轨迹预测模块来精准的预判相邻车辆在未来时间步的动向，接下来，使用强化学习技术来输出无人驾驶车辆的加速度，特别地本文改进先前速度控制工作中使用的奖励函数，使自主驾驶代理能够预测前面车辆的恶劣驾驶行为并平稳调整其速度，这可以缓解车速控制不当引起的连锁反应。最后本文进行了大量的实验来证明PATROL在模拟环境中缓解“幽灵”交通堵塞的有效性和优越性。此外，在真实的速度控制数据集上，本文的方法在驾驶安全性、舒适性和效率方面显著优于现有方法。 |
| 作者： | 许志 |
| 专业： | 计算机技术 |
| 导师： | 李文 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
