استراتژی تصمیم گیری در بزرگراه برای خودروی خودران با استفاده از روش یادگیری تقویتی عمیق (DRL)

رانندگی خودکار یک فناوری جدید برای کاهش تصادفات رانندگی و بهبود راندمان رانندگی می باشد. در این پژوهش، یک سیاست تصمیم گیری مبتنی بر یادگیری تقویتی عمیق (DRL) برای خودروهای خودران جهت سناریو سبقت گیری در بزرگراه ارائه شده است. در حقیقت ابتدا یک محیط ترافیکی بزرگراهی ایجاد می شود که هدف در آن عبور عامل از وسایل نقلیه اطراف با یک مانور کارآمد و ایمن می باشد. یک چارچوب کنترل سلسله مراتبی برای کنترل این وسایل نقلیه ارائه شده است که دستورات سطح بالا تصمیمات رانندگی را مدیریت می کند و دستورات سطح پایین به نظارت بر سرعت و شتاب وسیله نقلیه می پردازد. سپس، روش خاص مبتنی بر یادگیری تقویتی عمیق (DRL) به نام الگوریتم گرادیان سیاست قطعی عمیق (DDPG2) برای استخراج استراتژی تصمیم گیری در بزرگراه استفاده می شود. سپس عملکرد الگوریتم گرادیان سیاست قطعی عمیق (DDPG) با الگوریتم شبکه عمیق Q DQN) 3) مورد مقایسه قرار گرفته است و نتایج استخراج شده از دو الگوریتم مورد ارزیابی و بررسی قرار خواهد گرفت. نتایج شبیه سازی نشان می دهد که سیاست سبقت گیری مبتنی بر الگوریتم گرادیان سیاست قطعی عمیق (DDPG) می تواند وظایف رانندگی در بزرگراه را به طور موثر و ایمن انجام دهد.