基于深度强化学习的车辆变道策略控制方法

本发明公开了基于深度强化学习的车辆变道策略控制方法，首先利用占用栅格方法对车辆所处的交通环境进行建模，进而构建状态空间；设计包含左变道、右变道、保持车道、加速和减速五种操作的离散动作空间；设计多目标奖励函数，用于引导强化学习智能体在自动驾驶变道过程中实现行为策略的最优化；然后设计CNN‑DQN模型；最后基于Highway‑Env平台构建多种典型高速公路场景，对CNN‑DQN模型进行训练与测试，评估其在多车道交通环境中的性能。本发明旨在提升自动驾驶车辆在复杂交通环境中的变道决策智能性和安全性，解决了现有技术中存在的规则基或优化控制方法在复杂场景下泛化能力弱、应变能力差的问题。