李文礼，张友松，韩 迪，钱 洪，石晓辉

（重庆理工大学 汽车零部件先进制造技术教育部重点实验室，重庆400054，中国）

目前，常见的车辆主动避撞控制包括基于规则的方法和基于学习的方法[1-2]。基于规则的控制主要基于安全距离或安全时间模型，结合车辆纵向运动学特性搭建相应的减速度控制器；基于学习的控制方法利用感知信息直接输出控制指令，以近似车辆安全状态与加/减速度的关系。由于车辆行驶环境是动态复杂的，控制方法无法涵盖避撞过程中所有工况，使得基于规则的控制方法在设计过程中难以将所有状态的映射关系抽象成数学公式，因此这种控制方法在灵活性和泛化性上存在局限。

为了更好地使车辆学习驾驶环境并做出最佳避撞决策控制，H. Chae等[3]提出一种基于深度Q网络（deep Q-network, DQN）算法自动制动系统，用于学习最佳制动决策避免车辆和行人之间的碰撞。但该系统在预设的触发点上启动制动决策输出离散的减速度，难以较准确做出决策及无法保证舒适性。

李国法等[4]提出一种基于深度强化学习的交叉路口自动驾驶决策框架，利用DQN算法获得关于安全性和效率的最佳驾驶策略，输出离散化减速度控制车辆减速。虽DQN算法提高了处理高维状态空间的能力，但只能输出离散动作。因深度确定性策略梯度（deep deterministic policy gradient, DDPG）算法采用确定性策略、融合DQN算法优势，解决连续状态空间与连续动作空间的问题[5]。

XIONG Xi等[6]提出了一种自动驾驶和防撞系统，结合深度强化学习和基于安全的控制，利用DDPG算法可以在稳定的环境中学习驾驶策略。……