TY -的A2 -李,Wenxiang盟——周、杨AU - Chen Yunxing PY - 2023 DA - 2023/04/03 TI -学习开车NGSIM模拟器使用近端策略优化SP - 4127486六世- 2023 AB -作为一个热门研究领域,自主驾驶可能为人类社会提供极大的好处。实现这个目标,目前的研究往往应用机器学习方法强化学习,使一个代理进行交互和刺激的环境中学习。然而,大多数模拟器缺乏现实的交通,可能导致缺乏现实的互动。本研究采用了智慧平台创建模拟器中车辆的轨迹NGSIM i - 80数据集提取交通为背景。建立NGSIM模拟器被用来训练模型使用近端策略优化方法。actor-critic神经网络应用,模型需要输入包括38特性,编码信息的主机周围车辆和最近的车辆在当前车道和相邻车道上。A2C被选为一个比较方法。结果显示,PPO模型优于A2C模型在当前任务通过收集更多的奖励,旅行更远,遇到危险事件在模型训练和测试。PPO模型实现了84%的成功率在测试与相关研究。本研究证明了公众驾驶数据集和强化学习可以提供一个有用的工具来实现自动驾驶。 SN - 0197-6729 UR - https://doi.org/10.1155/2023/4127486 DO - 10.1155/2023/4127486 JF - Journal of Advanced Transportation PB - Hindawi KW - ER -