人与车辆交互在右转无信号交叉路口的模拟:一个游戏理论的深度最大逆增强学习方法

科学领域:

• 运输工程 运输工程
• 人工智能的人工智能
• 行为建模行为建模

背景情况:

• 在城市交通系统中,行人安全是一个关键问题,尤其是在没有信号的交叉路口.
• 步行者是一个脆弱的道路使用者群体,在复杂的交通环境中面临重大风险.
• 现有的模型往往缺乏足够的复杂性来捕捉微妙的人与车辆的互动.

研究的目的:

• 开发一个可靠的模拟模型,用于在未有信号的行人交叉路口行人交叉行为.
• 在城市交通框架内加强行人的安全和权利.
• 创建一个数据驱动的框架来建模人车互动.

主要方法:

• 建立了马尔科夫决策过程框架,用于在右转无信号交叉路口的人与车辆的互动.
• 游戏理论被应用于模型行人与车辆的互动,行人是主要的代理人.
• 深度最大透逆强化学习 (DMIRL) 确定了交互奖励函数,深度Q网络 (DQN) 模拟了行人行为.

主要成果:

• 拟议的框架通过结合游戏动态,有效模拟行人穿越行为.
• 通过DMIRL方法,成功地获得了反映复杂人车相互作用的奖励函数.
• 基于DQN的模拟与缺乏游戏理论考虑的基线算法相比显示出更高的性能.

结论:

• 开发的模拟模型提供了一种可行和有效的方法,以了解在没有信号的行人交叉路口的行人行为.
• 结合游戏理论和人工智能,提高了行人与车辆交互建模的准确性.
• 这项研究通过先进的模拟技术,有助于提高城市交通中的行人安全.