探索自动驾驶，引领智慧交通-交大团队进行基于深度强化学习的

自动驾驶交通流运行特征研究

自动驾驶是指通过感知、决策和控制技术实现车辆在道路上无需人工干预地进行导航、行驶和操作的技术和系统。自动驾驶技术为现有的交通系统提供巨大机遇的同时，也给交通管理带来了巨大的挑战，尤其是高速公路匝道路段复杂交通状况下的交通影响尚不清楚。因此，研究团队对此问题进行深入探索。

交通领域顶级期刊《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》发表了上海交通大学船舶海洋与建筑工程学院交通运输工程系陆林军团队相关的研究成果“Operational Characteristics of Mixed-Autonomy Traffic Flow on the Freeway With On- and Off-Ramps and Weaving Sections: An RL-Based Approach”

                                                                                     图一：深度强化学习自动驾驶策略模型

图二：自动驾驶混合交通流场景

研究团队提出了基于深度强化学习的自动驾驶策略模型，探究不同的自动驾驶策略（DS1、DS2）、渗透率（5%、10%）和关键交通条件下对交通拥堵、安全、效率和乘客舒适度等的影响。利用开源微观交通仿真平台SUMO构建不同的驾驶策略和渗透率交通仿真场景，模拟自动驾驶在高速公路匝道路段混合交通流中的交通运行特征。研究结果表明，采用深度强化学习驾驶策略的自动驾驶汽车能够显著缓解高速公路匝道路段的交通拥堵，提高运行效率且在混合交通流中具有较低的碰撞风险，但在一定程度上影响了乘客的舒适度体验。总的来说，本研究提高了对高速公路匝道路段复杂交通状况下自动驾驶机制的理解，并期于为未来相应的交通管理措施提供见解。

图三：不同驾驶策略和渗透率的各种场景下的时空图

图五：不同自动驾驶汽车渗透率和宏观层面的驱动策略

论文地址：https://ieeexplore.ieee.org/document/9616413/