基于強化學習的駕駛員車輛路徑選擇過程研究.pdf

1、近年來智能交通被廣泛應用于解決交通擁堵問題，但是發(fā)布的誘導信息是否有效、是否會產生交通震蕩，取決駕駛員對誘導信息的反應。駕駛員在面臨誘導信息進行路徑選擇時，可以選擇接受誘導信息，也可以選擇拒絕接受誘導信息，這是一個博弈的過程，又因對駕駛員路徑選擇影響最大的因素是上一次策略選擇收益，收益較好時，策略被強化，否則被弱化，這符合強化學習理論的思想，且駕駛員會存在預期收益，策略概率選擇大小取決于預期收益與實際收益的差值，另外，現(xiàn)實中駕駛員對其他

2、駕駛員的策略選擇信念無法取得，因此本文在博弈論的基礎上，應用強化學習理論思想，以駕駛員預期收益與實際收益的差值更新策略的概率，研究駕駛員在面臨誘導信息時的路徑選擇過程，旨在為交通管理者發(fā)布誘導信息提供依據(jù)。
　　本文首先研究基于強化學習理論的駕駛員路徑策略選擇過程。建立了基于強化學習理論的交通誘導模型，詳細論述了模型的博弈過程，并通過仿真基于無誘導信息條件下、基于強化學習誘導信息條件下、基于信念學習誘導信息條件下駕駛員路徑選擇過程

3、，驗證誘導信息發(fā)布的有效性。
　　然后基于建立的強化學習理論交通誘導模型，進一步研究了路網(wǎng)環(huán)境變化時對駕駛員路徑策略選擇過程產生的影響。主要通過改變路網(wǎng)流量、初始接受誘導比例兩個因素，分析其對駕駛員路徑選擇過程產生的影響，當路網(wǎng)流量變化時，管理者應將誘導信息的可信度提高至50％～60％，可以使誘導信息被充分利用，且不會導致?lián)矶缕?，能夠有效緩解交通擁?當改變初始接受誘導比例時，當路網(wǎng)流量占通行能力的85％及以上時發(fā)布誘導信息，即

4、當路網(wǎng)開始擁堵時，誘導信息能快速發(fā)揮作用，緩解道路上交通擁堵，提高道路通行能力。
　　最后研究了強化學習理論交通誘導模型自身參數(shù)變化對駕駛員車輛路徑選擇過程產生的影響。主要研究了期望支付調整速度、初始接受概率兩個參數(shù)變化時，對駕駛員路徑選擇過程產生的影響。當期望支付調整速度改變時，期望支付調整速度取值較小時，模型的使用效果更好，誘導效果更加明顯，道路通行能力能夠得到快速提升;當初始接受比例改變時，局中人對各個策略的初始接受概率相等