一种基于深度Q网络的长大下坡路段行车速度控制方法技术

本发明专利技术公开了一种基于深度Q网络的长大下坡路段行车速度控制方法，包括如下步骤：基于长大下坡路段场景，构建与深度Q网络交互的环境模型，定义状况空间、动作空间和奖励函数；构建深度Q网络模型，并与环境模型迭代交互，得到数据集，同时计算获得预测Q值和目标Q值；基于预测Q值、目标Q值和奖励函数，构建损失函数，并使用梯度下降方式对其进行优化，实现深度Q网络模型的训练；多次迭代后，基于训练后的深度Q网络模型实现对长大下坡行车速度的控制。本发明专利技术以数据驱动为主，综合使用行驶安全性、高效性和舒适性指标表征速度控制带来的总体收益，有益于规避长大下坡路段行车过程中的不良驾驶行为，提升交通安全水平。

【技术实现步骤摘要】

本专利技术属于智能交通信息处理，具体地说是一种基于深度q网络的长大下坡路段行车速度控制方法。

技术介绍

1、受地貌、地形等因素的制约，公路建设中不可避免地出现了长大下坡等高风险路段，尤其在崎岖高原和山岭重丘区。在长大下坡路段，驾驶人为保持车速需频繁踩踏刹车，这自然导致车辆制动性能持续衰退甚至制动失效。针对此类风险防控，现有研究多侧重于制定道路和车辆管控举措。在道路方面，涉及降温池、交安标志等固定位置的服务设施设置，以及坡度、坡长匹配设计；在车辆方面，多聚焦于实施动态限速、客货分离、超载限制等宏观路域管理措施。虽然上述举措一定程度上提升了长大下坡路段的行车安全水平，但是交通事故仍时有发生。其根本原因在于：规则驱动的、定点、均态、无差的干预模式难以有效规避行车过程中不良驾驶行为(如超速、高强度制动)的发生。

2、本质上，不良驾驶行为的发生受自身特征(驾驶经验、生理和心理等)和外部环境的共同影响。公路长大下坡路段通常采用“陡坡+缓坡+陡坡”的设计模式，驾驶人对坡度及道路环境的改变带来的风险感知不同，其驾驶行为则相应表现出异质性。另外，由于驾驶人“多拉本文档来自技高网...

【技术保护点】

1.一种基于深度Q网络的长大下坡路段行车速度控制方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于深度Q网络的长大下坡路段行车速度控制方法，其特征在于，所述步骤1中状况空间包括行车速度V、路段坡度I、下坡距离L、下坡时间T、轮毂初始温度Tmp，则对于当前时间周期t，状况空间记为S(t)＝(V,I,L,T,Tmp)。

3.根据权利要求2所述的一种基于深度Q网络的长大下坡路段行车速度控制方法，其特征在于，所述步骤1中动作空间仅包括加速度a，则当前时间周期t的动作空间用a(t)表示。

4.根据权利要求3所述的一种基于深度Q网络的长大下坡路段行...

【技术特征摘要】

1.一种基于深度q网络的长大下坡路段行车速度控制方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于深度q网络的长大下坡路段行车速度控制方法，其特征在于，所述步骤1中状况空间包括行车速度v、路段坡度i、下坡距离l、下坡时间t、轮毂初始温度tmp，则对于当前时间周期t，状况空间记为s(t)＝(v,i,l,t,tmp)。

3.根据权利要求2所述的一种基于深度q网络的长大下坡路段行车速度控制方法，其特征在于，所述步骤1中动作空间仅包括加速度a，则当前时间周期t的动作...

【专利技术属性】
技术研发人员：栾森，吴行，赵晓华，戴义博，王月佳，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：