面向结构化道路环境的智能汽车驾驶决策算法研究
发布时间：2021-07-06 00:58
随着智能交通的发展,智能汽车逐渐成为汽车行业研究的重点,其中驾驶决策是智能汽车有别于传统智能辅助驾驶汽车的关键所在。因此,驾驶决策算法的发展极大影响了智能汽车的技术发展和产业化推进。但是传统驾驶决策算法应用程度有限,建立一种可以适应新时代智能汽车发展要求的驾驶决策算法成为了亟待解决的问题。本文对目前国内外工业界和学术界所采用的驾驶决策算法进行了简要分析。综合考虑驾驶决策算法在开发过程中的难点和要点,提出了基于深度强化学习方法的驾驶决策算法。主要研究内容如下:（1）面向驾驶决策的深度强化学习方法研究。分析驾驶决策的特异性,并结合这种特异性选择了深度强化学习方法作为构建驾驶决策算法的基础。简要的介绍了深度强化学习的基础内容,包括强化学习基础、学习方式以及基于神经网络的函数拟合方法。综合考虑驾驶决策的特点和实际需求,选择了混合学习方式作为基础方式,深度确定性策略梯度方法（Deep Deterministic Policy Gradient,DDPG）作为基础方法。并针对DDPG算法训练时间成本高的问题,引入了优化排序采样和精确动作评价对算法进行改进,建立了改进DDPG算法（DDPG-G）。（...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：102 页
【学位级别】：硕士
【部分图文】：
D-RCS体系4D-RCS系统通过实时传感器的信息、先验信息以及两者结合的信息创建并更新
图 1.3 普林斯顿驾驶决策算法示意互联网巨头诸如 Google、Comma.ai、Udacity、Drive.ai 以及 AutoX 将人工智能引入智能汽车决策过程，采用端到端的方式进行决策，主张用驾驶脑代替人进行决策。避开硬件方面的短板充分发挥其控制和算法的优势，通过分析高维驾驶数
图 1.4 北京理工大学比亚迪锐速自动驾驶平台采用预瞄跟随理论[12]，并结合真实驾驶员的学习性构建驾驶员模型，以此指导智能汽车关键技术策和驾驶员行为的内在一致性，提出了基于预瞄
【参考文献】：
期刊论文
[1]无人驾驶车辆行为决策系统研究[J]. 熊璐,康宇宸,张培志,朱辰宇,余卓平. 汽车技术. 2018(08)
[2]优化深度确定性策略梯度算法[J]. 柯丰恺,周唯倜,赵大兴. 计算机工程与应用. 2019(07)
[3]预瞄跟随驾驶员模型的复合校正[J]. 管欣,陈永尚,贾鑫,詹军. 汽车工程. 2018(03)
[4]基于自然驾驶数据的高速公路出口换道决策模型[J]. 张兰芳,陈程,张佳妍,方守恩,郭静秋. 同济大学学报(自然科学版). 2018(03)
[5]《中国制造业走向2025》白皮书发布[J]. 高科技与产业化. 2015(11)
[6]城市道路环境中驾驶人应激响应时间特性[J]. 郭应时,王畅,付锐,袁伟,于鹏程. 中国公路学报. 2013(06)
[7]预瞄优化神经网络驾驶员模型[J]. 郭孔辉,潘峰,马凤军. 机械工程学报. 2003(01)
[8]驾驶员最优预瞄纵向加速度模型[J]. 高振海,管欣,李谦,郭孔辉. 汽车工程. 2002(05)
[9]基于预瞄跟随理论的驾驶员跟随汽车目标速度的控制模型[J]. 高振海,管欣,李谦,郭孔辉. 吉林工业大学学报(工学版). 2002(01)
博士论文
[1]驾驶行为安全性多属性评价方法及应用研究[D]. 李扬.吉林大学 2016
[2]基于增强学习和车辆动力学的高速公路自主驾驶研究[D]. 刘春明.国防科学技术大学 2014
[3]城市环境下无人驾驶车辆决策系统研究[D]. 陈佳佳.中国科学技术大学 2014
[4]高速公路环境中自主驾驶车辆运动规划与控制[D]. 丛岩峰.吉林大学 2011
[5]自主驾驶汽车智能控制系统[D]. 孙振平.国防科学技术大学 2004
硕士论文
[1]基于深度学习的换道行为建模与分析[D]. 房哲哲.北京交通大学 2018
[2]基于深度强化学习的自动驾驶决策仿真[D]. 夏伟.中国科学院大学(中国科学院深圳先进技术研究院) 2017
[3]汽车乘坐舒适度评价方法研究[D]. 查琪.浙江工业大学 2017
[4]Q学习结合神经网络的智能驾驶行为决策系统[D]. 鄢婷.天津工业大学 2017
[5]智能汽车避障危险评估和轨迹规划研究[D]. 江庆坤.吉林大学 2016
[6]面向连续状态的神经网络强化学习研究[D]. 王婷婷.中国矿业大学 2016
[7]自动驾驶车辆城区道路环境换道行为决策方法研究[D]. 袁盛玥.北京理工大学 2016
[8]基于驾驶员行为模型预测的汽车动力学控制研究[D]. 苏运福.吉林大学 2015
[9]无人驾驶车辆综合避障行为研究与评价[D]. 李凤娇.北京理工大学 2015
本文编号：3267191
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：102 页
【学位级别】：硕士
【部分图文】：
D-RCS体系4D-RCS系统通过实时传感器的信息、先验信息以及两者结合的信息创建并更新
图 1.3 普林斯顿驾驶决策算法示意互联网巨头诸如 Google、Comma.ai、Udacity、Drive.ai 以及 AutoX 将人工智能引入智能汽车决策过程，采用端到端的方式进行决策，主张用驾驶脑代替人进行决策。避开硬件方面的短板充分发挥其控制和算法的优势，通过分析高维驾驶数
图 1.4 北京理工大学比亚迪锐速自动驾驶平台采用预瞄跟随理论[12]，并结合真实驾驶员的学习性构建驾驶员模型，以此指导智能汽车关键技术策和驾驶员行为的内在一致性，提出了基于预瞄
【参考文献】：
期刊论文
[1]无人驾驶车辆行为决策系统研究[J]. 熊璐,康宇宸,张培志,朱辰宇,余卓平. 汽车技术. 2018(08)
[2]优化深度确定性策略梯度算法[J]. 柯丰恺,周唯倜,赵大兴. 计算机工程与应用. 2019(07)
[3]预瞄跟随驾驶员模型的复合校正[J]. 管欣,陈永尚,贾鑫,詹军. 汽车工程. 2018(03)
[4]基于自然驾驶数据的高速公路出口换道决策模型[J]. 张兰芳,陈程,张佳妍,方守恩,郭静秋. 同济大学学报(自然科学版). 2018(03)
[5]《中国制造业走向2025》白皮书发布[J]. 高科技与产业化. 2015(11)
[6]城市道路环境中驾驶人应激响应时间特性[J]. 郭应时,王畅,付锐,袁伟,于鹏程. 中国公路学报. 2013(06)
[7]预瞄优化神经网络驾驶员模型[J]. 郭孔辉,潘峰,马凤军. 机械工程学报. 2003(01)
[8]驾驶员最优预瞄纵向加速度模型[J]. 高振海,管欣,李谦,郭孔辉. 汽车工程. 2002(05)
[9]基于预瞄跟随理论的驾驶员跟随汽车目标速度的控制模型[J]. 高振海,管欣,李谦,郭孔辉. 吉林工业大学学报(工学版). 2002(01)
博士论文
[1]驾驶行为安全性多属性评价方法及应用研究[D]. 李扬.吉林大学 2016
[2]基于增强学习和车辆动力学的高速公路自主驾驶研究[D]. 刘春明.国防科学技术大学 2014
[3]城市环境下无人驾驶车辆决策系统研究[D]. 陈佳佳.中国科学技术大学 2014
[4]高速公路环境中自主驾驶车辆运动规划与控制[D]. 丛岩峰.吉林大学 2011
[5]自主驾驶汽车智能控制系统[D]. 孙振平.国防科学技术大学 2004
硕士论文
[1]基于深度学习的换道行为建模与分析[D]. 房哲哲.北京交通大学 2018
[2]基于深度强化学习的自动驾驶决策仿真[D]. 夏伟.中国科学院大学(中国科学院深圳先进技术研究院) 2017
[3]汽车乘坐舒适度评价方法研究[D]. 查琪.浙江工业大学 2017
[4]Q学习结合神经网络的智能驾驶行为决策系统[D]. 鄢婷.天津工业大学 2017
[5]智能汽车避障危险评估和轨迹规划研究[D]. 江庆坤.吉林大学 2016
[6]面向连续状态的神经网络强化学习研究[D]. 王婷婷.中国矿业大学 2016
[7]自动驾驶车辆城区道路环境换道行为决策方法研究[D]. 袁盛玥.北京理工大学 2016
[8]基于驾驶员行为模型预测的汽车动力学控制研究[D]. 苏运福.吉林大学 2015
[9]无人驾驶车辆综合避障行为研究与评价[D]. 李凤娇.北京理工大学 2015
本文编号：3267191
本文链接：https://www.wllwen.com/kejilunwen/qiche/3267191.html
