机械工程学报

作者：林歆悠, 代军, 曾松榕

单位：福州大学机械工程及自动化学院 福州 350108

关键词：汽车工程,强化学习,换道决策,DDQN,运动风险；

基金：国家自然科学基金(52272389)、载运工具与装备教育部重点实验室开放课题(KLCE2022-08)和安徽工程大学检测技术与节能装置安徽省重点实验室开放研究基金(JCKJ2021A04)资助项目

针对目前换道决策模型在稳定性、控制可靠性和场景适应性上的不足，提出一种基于运动风险的强化学习换道决策方法。首先基于换道最小安全距离理论建立运动风险模型，以有效整合驾驶场景信息，提高模型训练效率及稳定性。基于多场景的强化学习换道决策训练模型，以风险模型作为智能体的观测状态，并设计回报函数驱使智能体生成安全换道决策，然后通过仿真测试，将所设计的训练模型与普通的决策模型以及传统的基于速度和距离的决策模型的对比分析，验证所提算法在模型收敛速度、平均回报及成功率都有着更好的表现。最后通过仿真软件搭建结构化道路下典型的换道场景并进行仿真实验，结果表明，该算法能在各车速条件下规划出安全平滑的换道轨迹，同时满足舒适性和目标车速要求。

来源：2025年第18期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第18期