厦门大学郭景华等研究成果：基于深度强化学习的驾驶员跟车模型研究

《汽车工程》第4期为“汽车智能网联技术专刊”，编辑部将为读者推荐6篇论文，以期引发行业对该论文的关注和相关技术的交流与讨论。

研究背景

为降低驾驶员的驾驶负担，提高驾驶员的驾驶能力以及对智能驾驶系统的接受程度，需要对驾驶员的驾驶习性进行深入研究。建立准确反映驾驶员跟车行为的驾驶员模型对于智能驾驶系统控制策略的开发具有重要的研究意义。

研究方法

(a) Actor网络

(b) Critic网络

图12驾驶员跟车模型Actor-Critic神经网络框架示意图

研究结果

（1）各变量对应的p值小于0.05的分布概率超过90%，表明跟车距离、相对速度、THW值等参数与加速度、速度相关性显著。

（2）DDPG驾驶员跟车模型输出的速度和距离比FVD跟车模型和IDM跟车模型的输出结果更接近驾驶员的行驶数据，从而体现DDPG模型更能反映驾驶员的真实跟车行为。

创新点和意义

论文中基于深度确定性策略梯度算法建立了符合中国实际道路特征的驾驶员跟车模型，将驾驶员跟车轨迹数据集输入到模拟跟车环境中让智能体从历史经验数据中学习驾驶员的决策行为，所构建的驾驶员跟车模型具有较强的跟踪性能，能够真实体现驾驶员的跟车行为，对智能驾驶系统优化设计具有重要的学术价值和工程应用价值。

扫描上方二维码，免费获取全文

关注公众号，免费获取2021年第4期全文

汽车智能网联技术专刊

为全面反映汽车智能网联技术的研究进展，《汽车工程》特别邀请清华大学李克强教授担任客座主编，共同策划并组织“汽车智能网联技术”专刊。本期专刊得到了国内外汽车研发团队的积极响应，中国工程院钟志华院士团队，密西根大学彭晖教授，以及清华大学、吉林大学、工业和信息化部计算机与微电子发展研究中心等科研院所纷纷发表最新研究成果。

李克强教授

• 清华大学车辆与运载学院教授

• 汽车安全与节能国家重点实验室主任

• 清华大学智能网联汽车与交通研究中心主任

• 国家智能网联汽车创新中心首席科学家

• 工信部车联网产业发展专项专家组组长

专刊特色内容

• 介绍了智能汽车发展面临的挑战，并关注了L4级测试方法；

• 关注软件定义汽车技术体系的重大技术问题；

• 关注了智能网联中国云控方案的智能控制技术进展。

专刊意义

• 集中反映了研究学科的交叉性和研究成果的前沿性；

• 为研究智能网联汽车前沿技术提供信息；

• 为智能网联汽车相关专家学者提供交流平台；

• 为自动驾驶产业化推进贡献了力量。

《汽车工程》好文推荐：

· 江苏大学陈龙教授团队研究成果：基于语义分割网络的路面积水与湿滑区域检测

· 合肥工业大学张炳力教授团队研究成果：基于毫米波雷达和机器视觉融合的车辆检测

· 前沿研究综述：自动驾驶汽车测试场景构建关键技术综述

· 清华大学钟志华院士团队研究综述：软件定义汽车技术体系的研究

· 广汽新能源研发中心：车用燃料电池热管理性能仿真与试验研究