基于強(qiáng)化學(xué)習(xí)的駕駛員車(chē)輛路徑選擇過(guò)程研究.pdf

1、近年來(lái)智能交通被廣泛應(yīng)用于解決交通擁堵問(wèn)題，但是發(fā)布的誘導(dǎo)信息是否有效、是否會(huì)產(chǎn)生交通震蕩，取決駕駛員對(duì)誘導(dǎo)信息的反應(yīng)。駕駛員在面臨誘導(dǎo)信息進(jìn)行路徑選擇時(shí)，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(gè)博弈的過(guò)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(shí)，策略被強(qiáng)化，否則被弱化，這符合強(qiáng)化學(xué)習(xí)理論的思想，且駕駛員會(huì)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(shí)際收益的差值，另外，現(xiàn)實(shí)中駕駛員對(duì)其他

2、駕駛員的策略選擇信念無(wú)法取得，因此本文在博弈論的基礎(chǔ)上，應(yīng)用強(qiáng)化學(xué)習(xí)理論思想，以駕駛員預(yù)期收益與實(shí)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(shí)的路徑選擇過(guò)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(qiáng)化學(xué)習(xí)理論的駕駛員路徑策略選擇過(guò)程。建立了基于強(qiáng)化學(xué)習(xí)理論的交通誘導(dǎo)模型，詳細(xì)論述了模型的博弈過(guò)程，并通過(guò)仿真基于無(wú)誘導(dǎo)信息條件下、基于強(qiáng)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(guò)程

3、，驗(yàn)證誘導(dǎo)信息發(fā)布的有效性。
　　然后基于建立的強(qiáng)化學(xué)習(xí)理論交通誘導(dǎo)模型，進(jìn)一步研究了路網(wǎng)環(huán)境變化時(shí)對(duì)駕駛員路徑策略選擇過(guò)程產(chǎn)生的影響。主要通過(guò)改變路網(wǎng)流量、初始接受誘導(dǎo)比例兩個(gè)因素，分析其對(duì)駕駛員路徑選擇過(guò)程產(chǎn)生的影響，當(dāng)路網(wǎng)流量變化時(shí)，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(huì)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(shí)，當(dāng)路網(wǎng)流量占通行能力的85％及以上時(shí)發(fā)布誘導(dǎo)信息，即

4、當(dāng)路網(wǎng)開(kāi)始擁堵時(shí)，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(qiáng)化學(xué)習(xí)理論交通誘導(dǎo)模型自身參數(shù)變化對(duì)駕駛員車(chē)輛路徑選擇過(guò)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(gè)參數(shù)變化時(shí)，對(duì)駕駛員路徑選擇過(guò)程產(chǎn)生的影響。當(dāng)期望支付調(diào)整速度改變時(shí)，期望支付調(diào)整速度取值較小時(shí)，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(shí)，局中人對(duì)各個(gè)策略的初始接受概率相等