文献类型：期刊文献

中文题名：基于视觉DQN的无人车换道决策算法研究

英文题名：Research on decision algorithm for autonomous vehicle lane change based on vision DQN

作者：付一豪[1,2];鲍泓[1,2];梁天骄[1,2];付东普[3];潘峰[1,2]

第一作者：付一豪

机构：[1]北京联合大学北京市信息服务工程重点实验室,北京100101;[2]北京联合大学机器人学院,北京100027;[3]首都经济贸易大学管理工程学院,北京100070

第一机构：北京联合大学北京市信息服务工程重点实验室

年份：2023

卷号：42

期号：10

起止页码：52-55

中文期刊名：传感器与微系统

外文期刊名：Transducer and Microsystem Technologies

收录：CSTPCD;;北大核心:【北大核心2020】；CSCD:【CSCD_E2023_2024】；

基金：国家自然科学基金资助项目(61932012)。

语种：中文

中文关键词：无人车;换道决策;注意力机制;强化学习

外文关键词：autonomous vehicle;lane change decision-making;attention mechanism;reinforcement learning

摘要：无人驾驶技术是当前人工智能(AI)领域的研究热点。针对传统深度Q网络(DQN)在基于视觉的换道决策上存在收敛速度慢等问题,提出了基于视觉的DQN的无人车换道决策模型。将基于注意力机制的视觉感知与DQN融合,使网络聚焦在重要的图像特征上;并引入Q-Masking机制来降低决策复杂度,加快DQN的训练收敛速度。最后,提出基于DQN的速度决策算法来构成一个完整的换道决策模型,并在仿真环境中进行训练与测试。实验结果表明:所提模型可以实现更快的换道决策策略,同时加快了DQN的收敛速度。
Unmanned driving technology is current research hotspot in the field of artificial intelligence(AI).Traditional deep Q network(DQN)has problems such as slow convergence speed in the vision-based lane change decision.Aiming at this problem,a vision-based DQN autonomous vehicle lane-changing decision model is proposed.Visual perception based on the attention mechanism is fused with DQN to focus the network on important image features,and introduces the Q-Masking mechanism to reduce the complexity of decision-making and speed up the convergence speed of DQN training.Finally,a DQN-based speed decision algorithm is proposed to form a complete lane changing decision model,which is trained and tested in a simulation environment.The experimental results show that the proposed model can realize a faster lane change decision-making strategy,and accelerate the convergence speed of DQN,at the same time.