信息受限场景下混合交通自动驾驶交叉口的学习式车队调度方法

《Machines》：Learning Scheduling Method for Mixed Traffic at Autonomous Intersections Without Reliable Explicit Turn Information of Human-Driven Vehicles

　　在混合交通的自动驾驶交叉口，网联自动驾驶车辆（CAV）与人工驾驶车辆（HDV）并存，即使无法及时获取可靠且明确的人工驾驶车辆转向意图，调度仍必须保持有效。本文针对这种信息受限的场景提出了一种基于学习的车队调度方法。将CAV和HDV组织成混合车队或HDV群组，并设计了一个状态增强函数来编码它们的时间关系，同时保留不可控HDV的优先权。进一步将基于枚举（EN）的专家演示机制整合到训练过程中，以提供高质量的体验。在论文报告的典型训练运行中，专家辅助模型的平均峰值奖励比没有演示的模型高出约14%。在测试的需求情况下，学习得到的调度器获得的通行成本性能接近EN基准。该方法的范围明确限制在建模的保持车道和感知假设内；对随机种子、意外HDV操作、通信延迟和额外安全指标的鲁棒性需要专门的验证。