原文传递
基于MAS的驾驶行为决策模型及其相关问题研究
| 论文题名： | 基于MAS的驾驶行为决策模型及其相关问题研究 |
| 关键词： | 汽车驾驶;行为决策;人工智能;机器学习 |
| 摘要： | 交通安全关系千家万户，如何为人们提供安全、高效、舒适的交通环境是世界各国都高度关注的问题。在交通领域，人工智能技术得到广泛的应用。特别是利用专家系统、数据挖掘以及智能网络等对ITS的扩展，为交通安全问题的解决带来了新的希望。然而这些研究仅仅是依靠对交通环境和交通系统的改变，忽略了驾驶员在驾驶过程中的核心作用。因此，这些研究仍不能从根本上解决我们所面临的问题。以人为本，把研究驾驶员的行为模式作为研究的重点，也就成了研究者们需要面对的新挑战。 Agent具有很多独特的性质。因此，利用Agent来对驾驶员的行为决策模型建模，可以很方便分析驾驶员在各种道路环境条件下的行为决策，挖掘出危险性高的行为和事故的临界条件，最终为交通管理部门提供决策支持。这样的研究对提高交通效率、减少事故发生来说无疑是有用的。针对这一新的领域，虽然已有不少的学者从各个不同的角度进行了研究，但时至今日仍没有提出一个适应复杂的、交互的、动态变化的交通环境驾驶行为决策模型。因此，本文的研究目标，是在现实的、复杂的、交互的以及变化的环境中，构建一个驾驶行为决策模型。并通过模型，分析和研究驾驶员的行为模式，为分析事故诱因和辅助交通管理提供决策支持。本文主要包括以下几个方面： ⑴提出了基于多Agent系统的驾驶行为决策模型(Driver Behavior DecisionModel-DBDM)。本文根据驾驶员的特点和行为特性，设计出了“拟人化”的驾驶Agent模型，抽象出了驾驶Agent的动作空间和状态空间。并在此基础上提出了DBDM。 ⑵提出了支持DBDM的混合决策算法和强化学习算法。为了使我们提出的DBDM具有很好的可扩展性和拟人性，我们为DBDM设计了混合决策算法。凭借这个混合决策算法，我们设计的驾驶Agent能以接近人的方式推理和决策，并能适应复杂、交互交通环境。最后我们改进强化学习算法，使其能与DBDM相融合。 ⑶设计和实现了一个基于MAS的模拟系统。基于前面的提出的模型，我们还实现了一个基于MAS的模拟系统来验证模型的可靠性和有效性。通过实验，验证了算法的合理性，以及驾驶Agent对复杂交互的交通环境的适应性。 |
| 作者： | 徐亮 |
| 专业： | 计算机应用技术 |
| 导师： | 张自力 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
