دانلود مقاله انگلیسی رایگان:تصمیم گیری خودکار وسیله نقلیه با استفاده از یادگیری تقویتی عمیق و محیط شبیه سازی با وفاداری بالا - 2019
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری عمیق رایگان
  • Automated vehicle’s behavior decision making using deep reinforcement learning and high-fidelity simulation environment Automated vehicle’s behavior decision making using deep reinforcement learning and high-fidelity simulation environment
    Automated vehicle’s behavior decision making using deep reinforcement learning and high-fidelity simulation environment

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Automated vehicle’s behavior decision making using deep reinforcement learning and high-fidelity simulation environment


    ترجمه فارسی عنوان مقاله:

    تصمیم گیری خودکار وسیله نقلیه با استفاده از یادگیری تقویتی عمیق و محیط شبیه سازی با وفاداری بالا


    منبع:

    Sciencedirect - Elsevier - Transportation Research Part C, 107 (2019) 155-170: doi:10:1016/j:trc:2019:08:011


    نویسنده:

    Yingjun Ye, Xiaohui Zhang, Jian Sun⁎


    چکیده انگلیسی:

    Automated vehicles (AVs) are deemed to be the key element for the intelligent transportation system in the future. Many studies have been made to improve AVs’ ability of environment recognition and vehicle control, while the attention paid to decision making is not enough and the existing decision algorithms are very preliminary. Therefore, a framework of the decisionmaking training and learning is put forward in this paper. It consists of two parts: the deep reinforcement learning (DRL) training program and the high-fidelity virtual simulation environment. Then the basic microscopic behavior, car-following (CF), is trained within this framework. In addition, theoretical analysis and experiments were conducted to evaluate the proposed reward functions for accelerating training using DRL. The results show that on the premise of driving comfort, the efficiency of the trained AV increases 7.9% and 3.8% respectively compared to the classical adaptive cruise control models, intelligent driver model and constant-time headway policy. Moreover, on a more complex three-lane section, we trained an integrated model combining both CF and lane-changing behavior, with the average speed further growing 2.4%. It indicates that our framework is effective for AV’s decision-making learning.
    Keywords: Automated vehicle | Decision making | Deep reinforcement learning | Reward function


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 16
    حجم فایل: 4923 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی