高速公路场景下融合风险场约束的SAC安全增强换道决策方法

陈峥, 范伟, 郑嘉, 朱云波, 邱一丹, 蒋张楠

昆明理工大学学报(自然科学版) ›› 2026, Vol. 51 ›› Issue (4) : 135 -149.

昆明理工大学学报(自然科学版) ›› 2026, Vol. 51 ›› Issue (4) : 135 -149. DOI: 10.16112/j.cnki.53-1223/n.202601140001

高速公路场景下融合风险场约束的SAC安全增强换道决策方法

    陈峥, 范伟, 郑嘉, 朱云波, 邱一丹, 蒋张楠
作者信息 +

Author information +
文章历史 +

摘要

高速公路场景下,自动驾驶的安全性面临严峻挑战.为在兼顾通行效率的同时有效提升该场景下的自动驾驶换道决策的安全性能,本文提出一种风险场安全增强柔性演员-评论家(Risk Field Safe-enhanced Soft Actor-Critic, RF-SSAC)算法.首先,针对智能车辆的高速公路换道行为,对场景设定、车辆动力学特性以及环境车辆驾驶策略进行统一建模;其次,将换道决策问题抽象为马尔科夫决策过程,定义状态空间、动作空间,并构建综合通行效率、舒适性、安全性的多维度联合奖励函数;然后,利用动-静态风险场设计安全态势评估机制,在策略输出与环境执行之间通过安全约束筛选和剔除高风险换道动作,并在柔性演员-评论家模型(Soft Actor-Critic, SAC)基础上引入风险场安全代价评价网络,对安全态势估值进行学习,并将安全风险融入策略学习过程,从而提升决策策略的安全倾向.结果表明,所提RF-SSAC算法在收敛阶段的平均总奖励达163.91,训练过程中碰撞次数仅为17次、到达率为98.30%,末200回合平均碰撞率降至0.5%,相比DQN、SAC、PPO-Lag等基线算法,安全性能显著提升;在高速公路不同交通密度场景下,该算法均能实现无碰撞且保持较高平均车速,具有强泛化性.该算法在不显著损失通行效率的情况下,有效提升了换道决策安全性与驾驶平顺性,为高速公路场景下自动驾驶技术的性能优化提供了理论支撑.

关键词

自动驾驶 / 换道决策 / 柔性演员评论家算法 / 策略安全约束 / 风险态势估计

Key words

引用本文

引用格式 ▾
陈峥, 范伟, 郑嘉, 朱云波, 邱一丹, 蒋张楠. 高速公路场景下融合风险场约束的SAC安全增强换道决策方法[J]. 昆明理工大学学报(自然科学版), 2026, 51(4): 135-149 DOI:10.16112/j.cnki.53-1223/n.202601140001

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

基金资助

国家自然科学基金项目(52272395); 云南省车路协同控制与运行安全创新团队项目(202505AS350024); 云南省“兴滇英才支持计划”云岭学者专项(KKRC202402005); 云南省重大科技专项(202503AA080005); 云南省高速公路绿能融合控制国际联合实验室项目(202503AP140038)

AI Summary AI Mindmap

124

访问

0

被引

详细

导航
相关文章

AI思维导图

/

〈 〉