为了提高自动驾驶车辆行为决策任务中深度强化学习模型的成功率,我们提出了一种集成学习与深度强化学习模型相结合的自动驾驶车辆行为决策模型。基于马尔可夫决策过程理论,我们设计了状态空间、动作空间和奖励函数。同时,我们还采用了集成学习方法,构建了DQN、DDQN和Dueling DDQN的集成深度强化学习模型。我们在高速公路仿真环境下对模型进行了验证,结果表明,我们提出的集成深度强化学习模型可以更好地完成自动驾驶车辆行为决策任务。与DQN、DDQN和Dueling DDQN三种模型相比,集成模型的决策成功率分别提高了6%、3%和6%,车辆平均车速也有明显提高。在不同车道数目的场景下,模型的泛化性能也很好,能够保证车辆行车安全性,并提高车辆行车效率。


原文地址: https://www.cveoy.top/t/topic/bnTF 著作权归作者所有。请勿转载和采集!

免费AI点我,无需注册和登录