中国公路学报

作者：刘美岐, 张会龙, 陈天姿, 张为

单位：大连海事大学 航运经济与管理学院，辽宁 大连 116026 School of Maritime Economics and Management, Dalian Maritime University, Dalian 116026, Liaoning, China","大连海事大学 综合交通运输协同创新中心，辽宁 大连 116026 Collaborative Innovation Center for Transport Studies, Dalian Maritime University, Dalian 116026, Liaoning, China","交通运输部公路科学研究院车路一体智能交通全国重点实验室，北京 100088 State Key Lab of Intelligent Transportation System, Research Institute of High way Ministry of Transport, Beijing 100088, China

关键词：交通工程,轨迹优化,深度强化学习,智能网联车

<title>摘要：</title> <p>面向城市路网中的无信号控制交叉口，结合车辆实时路径，提出基于深度强化学习的智能网联车辆轨迹优化方法。基于Dijkstra算法实时输出的最短路径，设计基于实际加速度、速度、安全时间间距和安全加速度的奖励机制，采用近端策略优化算法优化车辆轨迹，提升车辆通行效率与行车安全，优化车辆通行权从而避免碰撞。为加快轨迹优化算法收敛速度，改进近端策略优化算法的神经网络，提出使用正交初始化防止训练过程中出现梯度消失或爆炸，应用梯度裁剪技术控制梯度范围，引入学习率衰减策略使学习率随着训练过程逐步降低，从而提升训练的稳定性。基于SU-MO仿真平台的仿真试验验证了所提方法的有效性。结果表明：在高流量水平下，交叉口拥堵增加，导致总停车次数、燃油消耗和平均行驶时间均有所上升；在低或中等流量水平下，交叉口冲突少，车辆保持较高速度通行，相比高流量水平行驶时间和燃油消耗分别降低约12.8%和10.7%，且基本避免停车现象。此外，与固定式信号控制场景相比，所提方法在低、中、高流量水平下均有效提升了通行效率，其中高流量水平下的停车次数、平均行驶时间和燃油消耗分别减少了95.2%、59.6%和28.5%。所提出的轨迹优化方法在不同交通流量水平下均表现出较好的适应性，可根据实时动态变化的路径快速调整车辆轨迹。</p>

来源：2025年第8期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2025年第8期