【标题】Deep Reinforcement Learning for Personalized Driving Recommendations to Mitigate Aggressiveness and Riskiness: Modeling and Impact Assessment

【作者团队】Eleni G. Mantouka, Eleni I. Vlahogianni

【发表日期】2022.6.29

【论文链接】https://www.sciencedirect.com/sdfe/reader/pii/S0968090X22002029/pdf

【推荐理由】大多数驾驶推荐和辅助系统，例如高级驾驶辅助系(ADAS)，通常是根据普通驾驶员的行为设计的。然而，可以适应不同驾驶风格并识别个人需求和偏好的个性化驾驶系统可能是提高驾驶员敏感性和采用更安全驾驶习惯的关键。在本文中，使用深度强化学习算法开发了一种增强的自我感知驾驶推荐系统，该系统产生个性化的驾驶推荐，以提高驾驶安全性，同时尊重个人驾驶风格和偏好。通过微观模拟评估应用该推荐系统的影响；调查结果显示，如果所有司机都听从建议，道路安全有了显著改善，交通流量特性发生了一些微小变化。这项工作的输出可能在先进的主动巡航控制系统的框架内有用，可用于开发强化的行为模型，甚至促进修订利用驾驶行为作为交通管理关键控制器的政策措施。

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