根据国家网信办相关规定和要求,《计算机应用研究》编辑部网站域名更换为arocmag.cn,原域名 arocmag.com 自2025年1月1日起自动跳转到新域名。

基于物理信息强化学习的无人驾驶车辆跟驰控制模型

Physics-informed reinforcement learning-based car-following control model for autonomous vehicles
周瑞祥1a
杨达1b
祝俪菱2
1. 西南交通大学 a. 计算机与人工智能学院; b. 交通运输与物流学院, 成都 611756
2. 四川师范大学, 商学院, 成都 610100

摘要

车辆跟驰控制是无人驾驶的基础控制技术之一。近年来,强化学习被广泛应用于无人驾驶车辆的跟驰控制任务中,使模型具备了较强的学习和模仿能力,但也面临可解释性差和输出不稳定的问题,给车辆运行带来了潜在的安全隐患。为了解决这些问题,本文提出了一种融合强化学习与物理信息的车辆跟驰控制模型(PIRL-CF,Physics-Informed Reinforcement Learning Car-Following Model)。该模型结合车辆动力学特性,定义了连续的状态集、动作集和奖励函数,并引入三种经典物理跟驰模型与强化学习模型进行融合,从而提升了模型的稳定性和可解释性。通过Python与交通仿真软件SUMO构建仿真测试平台,本文对PIRL-CF模型进行了训练,并与传统车辆跟驰模型和主流深度强化学习模型(DDPG和TD3)进行了对比实验。实验结果表明,与深度强化学习模型相比,PIRL-CF模型的乘车舒适区占比提高了8%;与传统物理跟驰模型相比,PIRL-CF模型在最低碰撞时间上提升了0.3秒,平均车头时距提升了0.21秒。研究表明,PIRL-CF模型能够在无人车跟驰控制任务中兼顾舒适性、安全性和行车效率,为无人驾驶智能决策提供了一种有效的技术方案。

基金项目

四川省自然科学基金资助项目(23NSFSC4315,24NSFSC1109)
国家自然科学基金资助项目(52172333)
中央高校基本业务经费(2682024ZTPY018)

出版信息

DOI: 10.19734/j.issn.1001-3695.2024.11.0473
出版期卷: 《计算机应用研究》 优先出版, 2025年第42卷 第6期

发布历史

[2025-03-10] 优先出版

引用本文

周瑞祥, 杨达, 祝俪菱. 基于物理信息强化学习的无人驾驶车辆跟驰控制模型 [J]. 计算机应用研究, 2025, 42 (6). (2025-03-10). https://doi.org/10.19734/j.issn.1001-3695.2024.11.0473. (Zhou Ruixiang, Yang Da, Zhu Liling. Physics-informed reinforcement learning-based car-following control model for autonomous vehicles [J]. Application Research of Computers, 2025, 42 (6). (2025-03-10). https://doi.org/10.19734/j.issn.1001-3695.2024.11.0473. )

关于期刊

  • 计算机应用研究 月刊
  • Application Research of Computers
  • 刊号 ISSN 1001-3695
    CN  51-1196/TP

《计算机应用研究》创刊于1984年,是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。

《计算机应用研究》瞄准本学科领域迫切需要的前沿技术,及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。

《计算机应用研究》拥有众多高层次读者、作者,读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员,各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅,所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。


收录和评价

  • 第二届国家期刊奖百种重点期刊
  • 中国期刊方阵双效期刊
  • 全国中文核心期刊(北大2023年版)
  • 中国科技核心期刊
  • 中国科学引文数据库(CSCD)来源期刊
  • RCCSE中国核心学术期刊
  • 中国计算机学会会刊
  • 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
  • 中国科技期刊精品数据库全文来源期刊
  • 中国学术期刊综合评价数据库来源期刊
  • 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
  • 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
  • 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
  • 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
  • 英国《科学文摘》(INSPEC)来源期刊
  • 《日本科学技术振兴机构数据库》(JST)来源期刊
  • 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
  • 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
  • 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
  • 波兰《哥白尼索引》(IC)来源期刊
  • 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊