【标题】Reinforcement Learning based cooperative longitudinal control for reducing traffic oscillations and improving platoon stability

【作者团队】Liming Jiang, Yuanchang Xie, Nicholas G. Evans, Xiao Wen

【发表日期】2022.6.9

【论文链接】https://www.sciencedirect.com/science/article/pii/S0968090X22001772#!

【推荐理由】走走停停的交通对交通运营的效率和安全构成了重大挑战。本文提出了一个基于Soft Actor Critic(SAC)强化学习(RL)的协作纵向控制来解决这个问题。奖励功能是精心设计，以考虑车辆的合作，并达到三个主要目标: 安全，效率和振荡阻尼。提出了一种用于振荡阻尼的全局性能指标，用于评估已开发的 RL 模型和其他基线模型。根据能够共享机动信息的前车数量，提出了 RL-1和 RL-2两种模型，并利用 HighD 和仿真数据与人类驾驶(HD)模型和自适应巡航控制(ACC)模型进行了比较。结果表明，RL-2能更有效地抑制冲击波。两个 RL 控制方法在进一步评估的基础上收集的数据使用商业模型 X 车辆。提出的 RL 方法可以更好地抑制停止和走波产生较小的振荡增长，超调和平均加速/减速率变化。

内容中包含的图片若涉及版权问题，请及时与我们联系删除