基于深度强化学习的自主换道控制模型

为解决自动驾驶汽车快速安全换道问题，提出并改进了一种基于深度强化学习的自主换道控制模型。首先建立车辆动力学运动模型，其次使用深度确定性策略梯度（DDPG）算法更新模型，最后通过MATLAB/CarSim对学习到的控制策略进行联合仿真验证。为了使模型更真实可靠，提出将CarSim融入智能体的训练，同时为解决传统模型在换道后期控制效果不理想问题，提出一种基于采样时间的方向盘转角输出模型。结果表明：在60、80 km/h车速下，提出的模型从换道开始到稳定行驶的过程相比于改进前更平顺、快速，验证了模型能够实现一般车速下的自主换道控制，为车辆的自主换道研究提供一定的参考。