استراتژی تصمیم گیری در بزرگراه برای خودروی خودران جهت انجام مانور سبقتگیری با استفاده از روش یادگیری تقویتی عمیق
نویسندگان
1 دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.
2 دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
doi
10.22060/mej.2024.22682.7659چکیده
رانندگی خودکار یک فناوری جدید برای کاهش تصادفات رانندگی و بهبود راندمان رانندگی میباشد. در این پژوهش، یک سیاست تصمیمگیری مبتنی بر یادگیری تقویتی عمیق برای خودروهای خودران جهت سناریو سبقتگیری در بزرگراه ارائه شده است. برای این منظور ابتدا یک محیط ترافیکی بزرگراهی ایجاد میشود که هدف در آن عبور عامل از وسایل نقلیه اطراف با یک مانور کارآمد و ایمن میباشد. همچنین یک چارچوب کنترل سلسله مراتبی برای کنترل این وسایل نقلیه ارائه شده است که دستورات سطح بالا تصمیمات رانندگی را مدیریت میکند و دستورات سطح پایین به نظارت بر سرعت و شتاب وسیله نقلیه میپردازد. سپس، روش خاص مبتنی بر یادگیری تقویتی عمیق به نام الگوریتم گرادیان سیاست قطعی عمیق برای استخراج سیاست تصمیمگیری در بزرگراه استفاده میشود. سپس عملکرد الگوریتم گرادیان سیاست قطعی عمیق با الگوریتم شبکه عمیق کیو مورد مقایسه قرار گرفته است و نتایج استخراج شده از دو الگوریتم مورد ارزیابی و بررسی قرار خواهند گرفت. همچنین در این پژوهش برای شبیهسازی مسئله ذکرشده یعنی سبقتگیری در محیط بزرگراه از نرم افزار متلب نسخه 2022 استفاده شده است. نتایج شبیهسازی نشان میدهد که سیاست سبقتگیری مبتنی بر الگوریتم گرادیان سیاست قطعی عمیق میتواند وظایف رانندگی در بزرگراه را به طور اثربخش و ایمن انجام دهد.
