基于強化學(xué)習(xí)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(yīng)用于解決交通擁堵問題，但是發(fā)布的誘導(dǎo)信息是否有效、是否會產(chǎn)生交通震蕩，取決駕駛員對誘導(dǎo)信息的反應(yīng)。駕駛員在面臨誘導(dǎo)信息進行路徑選擇時，可以選擇接受誘導(dǎo)信息，也可以選擇拒絕接受誘導(dǎo)信息，這是一個博弈的過程，又因?qū)︸{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(xué)習(xí)理論的思想，且駕駛員會存在預(yù)期收益，策略概率選擇大小取決于預(yù)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(chǔ)上，應(yīng)用強化學(xué)習(xí)理論思想，以駕駛員預(yù)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(dǎo)信息時的路徑選擇過程，旨在為交通管理者發(fā)布誘導(dǎo)信息提供依據(jù)。
　　本文首先研究基于強化學(xué)習(xí)理論的駕駛員路徑策略選擇過程。建立了基于強化學(xué)習(xí)理論的交通誘導(dǎo)模型，詳細論述了模型的博弈過程，并通過仿真基于無誘導(dǎo)信息條件下、基于強化學(xué)習(xí)誘導(dǎo)信息條件下、基于信念學(xué)習(xí)誘導(dǎo)信息條件下駕駛員路徑選擇過程

3、，驗證誘導(dǎo)信息發(fā)布的有效性。
　　然后基于建立的強化學(xué)習(xí)理論交通誘導(dǎo)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(chǎn)生的影響。主要通過改變路網(wǎng)流量、初始接受誘導(dǎo)比例兩個因素，分析其對駕駛員路徑選擇過程產(chǎn)生的影響，當(dāng)路網(wǎng)流量變化時，管理者應(yīng)將誘導(dǎo)信息的可信度提高至50％～60％，可以使誘導(dǎo)信息被充分利用，且不會導(dǎo)致?lián)矶缕?，能夠有效緩解交通擁?當(dāng)改變初始接受誘導(dǎo)比例時，當(dāng)路網(wǎng)流量占通行能力的85％及以上時發(fā)布誘導(dǎo)信息，即

4、當(dāng)路網(wǎng)開始擁堵時，誘導(dǎo)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(xué)習(xí)理論交通誘導(dǎo)模型自身參數(shù)變化對駕駛員車輛路徑選擇過程產(chǎn)生的影響。主要研究了期望支付調(diào)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(chǎn)生的影響。當(dāng)期望支付調(diào)整速度改變時，期望支付調(diào)整速度取值較小時，模型的使用效果更好，誘導(dǎo)效果更加明顯，道路通行能力能夠得到快速提升;當(dāng)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