本研究提出了一种基于Level-k博弈算法的城市道路超车决策方法。该方法首先构建了包含车辆质心位置不确定性的动力学和预测模型,以应对车辆行为的不确定性。接着,定义了车辆状态、动作和奖励函数,用以描述城市道路超车场景。通过Level-k博弈框架,构建了城市道路超车问题模型。最终,利用Q-Learning算法从车辆动作集合中提取最优超车动作序列,以实现主车的及时超车决策。
背景技术
随着自动驾驶技术的迅速发展,车辆自动驾驶技术的进步对交通系统产生了深远的影响,显著提升了安全性和出行效率;车辆决策控制是自动驾驶系统的核心技术之一,其主要任务是通过制定合理的控制方案,确保车辆在环境中能够精准且稳定地执行行驶决策,顺利沿着预设路径移动;然而,由于城市道路上车辆交互日益复杂,如何有效进行超车决策以提升交通安全和效率仍然是该领域的研究热点和难点;传统的超车行为往往依赖于驾驶员的经验和判断,容易导致交通事故或拥堵;因此,目前亟需一种能够处理复杂交通交互场景,并实时适应城市道路的非线性特征和动态变化的交通流的车辆超车决策方法,推动城市交通系统的智能化发展;
实现思路