高速公路仿真环境搭建与深度强化学习模型验证

为验证集成深度强化学习模型的有效性，我们搭建了一个高速公路仿真环境，用于训练和测试模型。我们采用了Python 3.7和开源环境'highway-env'[21]来搭建仿真环境，并使用PyTorch作为神经网络框架。我们的计算机配置为：Window 10操作系统，i5-11260H处理器和16GB内存。

我们的仿真场景是一个单向四车道直道场景，车道宽为3.75 m，如图6所示。主车和背景车辆的车身尺寸相同。主车初始速度为25 m·s-1，最高车速为30 m·s-1，背景车辆车速在25~30 m·s-1范围内波动。背景车辆会随机生成在主车行驶方向前方。每个仿真周期内背景车辆总数目为20，仿真周期为20 s，环境刷新时间为0.5 s。仿真回合终止条件为：(1)车辆发生碰撞；(2)车辆驶离道路；(3)达到最大仿真周期。