沈 悦，陈 璟，周子涵，杨 达

车联网环境下自动驾驶车辆动态障碍物协作避让模型

沈 悦，陈 璟，周子涵，杨 达

(西南交通大学，交通运输与物流学院，成都 611756)

车路协同和车联网的发展为车辆群体之间的协作控制提供了可能。本文关注的是在车联网环境下，自动驾驶车辆群体避让动态障碍物的问题，目标是实现在不损失车辆个体效益的同时，可以达到车辆群体系统最优。本文提出了一种基于深度强化学习算法(DQN)的自动驾驶车辆群体协作避让动态障碍物的模型。模型在学习过程中考虑了车辆的安全性、单个车辆和车辆群体的行驶效率，并加入了车辆的换道协作机制。仿真验证结果表明，与现有的非协作避障模型相比，该模型可以显著地提高整体交通效率，在非常拥堵、比较拥堵和自由流三种给定的不同交通流状态下，车辆行驶效率(车辆平均速度)分别提高5.26%、21.44%、10.38%，整体车流量分别提高8.22%、34.47%、0%。

自动驾驶；决策；强化学习；车辆群体；避障；车联网

0 引 言

近年来，自动驾驶技术进入了高速发展的时代，被认为是缓解交通拥堵、减少交通事故的重要技术。然而车辆在实际行驶过程中，不合理的避障行为会引发大量的交通事故，因此，自动驾驶车辆的避障决策问题成为自动驾驶领域研究的重点和热点[1-3]。

随着车路协同和车联网的高速发展，使得车辆与车辆、车辆与道路之间可以进行实时通信，这为车辆群体之间的协作控制提供了可能。当道路上存在慢车(散水车、工程车、注意力分散的驾驶员)动态障碍物时，引发交通延误，影响交通效率。……