中国安全科学学报

作者：赵尧华, 陈延展, 郑亮, 李树凯

单位：1 中南大学 交通运输工程学院,湖南 长沙 410075；2 北京交通大学 轨道交通控制与安全国家重点实验室,北京 100044

关键词：自动驾驶,安全测试,深度强化学习,碰撞测试场景,仿真试验

基金：国家自然科学基金面上项目资助(72371251); 湖南省自然科学基金杰出青年项目资助(2024JJ2080); 轨道交通控制与安全国家重点实验室(北京交通大学)开放课题基金资助(RCS2022K004)

为减少自动驾驶车辆产生的交通事故,提高车辆在仿真环境中的安全测试效率,提出一种基于深度强化学习的自动驾驶碰撞测试场景构建方法。首先,通过设置状态、动作和奖励函数,将车辆的驾驶过程映射为马尔可夫决策过程;然后,基于搭建的仿真平台(CARLA-DRL)训练智能体完成车辆碰撞任务,生成碰撞测试场景;最后,随机进行500次碰撞仿真试验,根据智能体与自动驾驶车辆的相对距离,分析碰撞成功率、碰撞时间和冲突能量。结果表明:智能体生成符合车辆动力学的碰撞轨迹,能够构建精细化、多类型的碰撞测试场景;智能体与自动驾驶车辆的平均碰撞成功率为62.20%,平均碰撞时间为127.25 s,平均冲突能量值为175.98 kJ。该方法能够构建高频、高效和高危的自动驾驶车辆碰撞测试场景,增加仿真场景中偶发高风险场景的发生概率,提高自动驾驶车辆对于碰撞事故的安全测试效率。

来源：2024年第7期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2024年第7期