一种基于生成对抗模仿学习的车辆个性化跟驰控制方法技术

本发明专利技术提供一种基于生成对抗模仿学习的车辆个性化跟驰控制方法，包括以下步骤：建立模拟跟车仿真环境，模拟跟车仿真环境包括道路模型、主车和前车；在模拟跟车仿真环境中设置前车不同的速度曲线；据前车不同的速度曲线在模拟跟车仿真环境中进行模拟驾驶跟驰试验，采集主车和前车的驾驶数据得到连续跟驰片段，选取多个连续跟驰片段建立驾驶员跟驰数据集；使用生成对抗网络模仿强化学习方法，根据驾驶员跟驰数据集构建车辆个性化跟驰控制模型；使用车辆个性化跟驰控制模型对车辆进行个性化跟驰控制。本发明专利技术可以解决现有的基于深度强化学习的跟驰控制技术中，通过制定奖励函数无法客观、全面反映驾驶员驾驶习惯的技术问题。全面反映驾驶员驾驶习惯的技术问题。全面反映驾驶员驾驶习惯的技术问题。

【技术实现步骤摘要】
一种基于生成对抗模仿学习的车辆个性化跟驰控制方法


[0001]本专利技术涉及自动驾驶
，具体涉及一种基于生成对抗模仿学习的车辆个性化跟驰控制方法。

技术介绍

[0002]在自动驾驶技术的发展过程中，从最初的定速巡航，到自适应巡航，再到最终的完全自动驾驶，车辆自主跟驰控制一直是车辆主动安全技术和车辆自动驾驶技术的关键技术之一。
[0003]现有自主跟驰控制技术主要分为两大类型：基于模型的(model
‑
based)控制和基于数据(Data
‑
driven)的控制。其中，基于模型的跟驰控制方法通过建立车辆运动学/动力学模型，描述车辆纵向运动的碰撞风险，并结合跟车过程中的跟驰效率、乘员舒适性等指标，采用约束优化方法对车辆纵向加速度进行控制。得益于芯片算力，仿真技术和AI技术的快速发展，深度强化学习技术为自动驾驶控制策略提供了全新的思路，其通过设置奖励函数，利用智能体与仿真环境不断交互试错，优化控制策略，不仅可以减少系统动力学建模和调参的成本，还可以通过在奖励函数中添加驾驶习性指标，通过对驾驶员实际驾驶本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗模仿学习的车辆个性化跟驰控制方法，其特征在于，包括以下步骤：建立模拟跟车仿真环境，所述模拟跟车仿真环境包括道路模型、主车和前车；在所述模拟跟车仿真环境中设置前车不同的速度曲线；据前车不同的速度曲线在所述模拟跟车仿真环境中进行模拟驾驶跟驰试验，采集主车和前车的驾驶数据得到连续跟驰片段，选取多个连续跟驰片段建立驾驶员跟驰数据集；使用生成对抗网络模仿强化学习方法，根据驾驶员跟驰数据集构建车辆个性化跟驰控制模型；使用车辆个性化跟驰控制模型对车辆进行个性化跟驰控制。2.根据权利要求1所述的基于生成对抗模仿学习的车辆个性化跟驰控制方法，其特征在于，建立模拟跟车仿真环境包括：采用自动驾驶仿真平台搭建模拟跟车仿真环境；对于主车采用车辆动力学仿真软件进行主车动力学建模；采用随机交通流模型描述周围车辆运动情况。3.根据权利要求1所述的基于生成对抗模仿学习的车辆个性化跟驰控制方法，其特征在于，前车不同的速度曲线包括：前车匀速行驶、减速行驶、紧急制动、随机变速行驶。4.根据权利要求1所述的基于生成对抗模仿学习的车辆个性化跟驰控制方法，其特征在于，跟驰状态包括：主车与前车的相对距离d，主车与前车的相对速度v
r
，主车车速v
h
，动作为主车纵向加速度a
h
。5.根据权利要求1所述的基于生成对抗模仿学习的车辆个性化跟驰控制方法，其特征在于，构建车辆个性化跟驰控制模型包括：以主车与前车的相对距离、相对速度、主车车速作为输入，以主车纵向加速度作为输出，建立策略生成神经网络；以主车与前车的相对距离、相对速度、主车车速及主车纵向加速度作为输入，以真、假值作为输出，建立判别神经网络；从驾驶员数据集均匀抽样获得一个连续跟驰片段：其中分别代表第m步跟驰状态和驾驶员实际动作；将获得的一个连续跟驰片段输入到策略生成神经网络与仿真环境进行交互，获得仿真跟驰片段：其中分别代表仿真过程第n步的跟驰状态和策略生成神经网络输出动作；将仿真跟驰片段输入到判别神经网络中，采用判别神经网络对策略生成神经网络输出的真实程度进行判别；使用多个连续跟驰片段训练策略生成神经网络；使用多个仿真跟驰片段训练判别神经网络；采用梯度下降方法更新判别神经网络参数。6.根据权利要求1所述的基于生成对抗模仿学习的车辆个性化跟驰控制方法，其特征在于，策略生成神经网络的输入层神经元为3个，分别为相对距离、主车车速和相对速度；输
出层神经元为1个，为主车纵向...

【专利技术属性】
技术研发人员：任玥，邹博文，梁新成，
申请(专利权)人：西南大学，
类型：发明
国别省市：