针对混合交通环境中激进驾驶行为的自动驾驶车辆控制策略设计
《Applied Sciences》:Design of Control Strategies for Autonomous Vehicles Targeting Aggressive Driving Behaviors in Mixed Traffic
【字体:
大
中
小
】
时间:2026年08月09日
来源:Applied Sciences 2.5
编辑推荐:
重点推荐应用 所提出的框架能够为在包含激进驾驶行为的人类驾驶员的混合交通环境中行驶的自动驾驶车辆,提供基于行为感知的参数选择以及纵向控制策略设计支持。
重点推荐应用
所提出的框架能够为在包含激进驾驶行为的人类驾驶员的混合交通环境中行驶的自动驾驶车辆,提供基于行为感知的参数选择以及纵向控制策略设计支持。
摘要
在一段较长的过渡期内,自动驾驶车辆将与人类驾驶的车辆共同行驶,而此时激进的人类驾驶行为可能成为主要的危险来源。本研究提出了一种集成式安全控制框架,该框架结合了基于真实世界数据的行为建模与深度强化学习技术,用于为混合交通环境中的自动驾驶车辆设计纵向控制策略。通过CitySim数据集对激进、常规和防御性驾驶模式进行校准,并将动态激进性因素纳入改进后的跟车模型中。随后,利用带有Kullback–Leibler惩罚项的近端策略优化算法,来学习能够在高速公路和信号控制交叉口场景下平衡安全性、效率、舒适性及燃油经济性的多目标策略。研究结果表明,基于行为感知的策略在不同交通环境中的表现各有优势。在高速公路上,防御性阈值策略能够保持更大的车距、降低加速幅度,并减少系统级的燃油消耗;而默认的激进策略和常规策略则能维持更高的交通效率。在交叉口处,信号控制缩小了各策略之间的差异,同时也限制了纵向阈值设置对大多数评估指标的影响。这些研究结果为选择基于行为感知的控制阈值,以及为包含激进人类驾驶员的混合自主驾驶环境设计稳健的自动驾驶策略提供了定量依据。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号