中国公路学报

作者：栾森, 吴行, 戴义博, 陈晨, 赵晓华

单位：北京工业大学 城市交通学院, 北京 100124"],"fundList_en":["National Natural Science Foundation of China (52072012); Shanxi Province Key Research and Development Project (2022ZDYF101)

关键词：交通工程,主动速度干预,强化学习,长大下坡,优秀驾驶人模型,驾驶模拟

基金：国家自然科学基金项目(52072012)；山西省重点研发计划项目(2022ZDYF101)

驾驶经验不足、多拉快跑心理等人因因素是高速公路长大下坡路段重载货车制动失效的主要成因，通过信息干预诱导驾驶人合理控速是解决该类问题的有效方法，其根本是优化速度主动干预策略，使其满足驾驶人序贯决策过程的信息需要。基于强化学习建立了具备序贯决策能力的优秀驾驶人模型，并提取自然驾驶人运行状态与优秀驾驶人模型间的显著差异特征，映射形成行车速度干预优化策略。首先，依托中国某高速公路长大下坡路段，搭建了与优秀驾驶人模型交互的环境；其次，鉴于高速公路长大下坡路段行车风险的累积效应，设计了综合考虑行车安全性、高效性和舒适性的单步奖励函数和全局奖励函数；然后，利用对偶深度Q学习网络(Dueling Deep Q-Learning Network, DuDQN)实现优秀驾驶人模型的训练；最后，通过驾驶模拟试验获取自然人驾驶运行状态数据，并基于行驶速度趋势检验提取其与优秀驾驶人模型的时空差异特征，实现速度干预点位和干预目标的确定。结果表明：基于DuDQN和DQN建立的优秀驾驶人模型并无显著性能差异，只是前者具有微弱优势；相比于自然人驾驶，优秀驾驶人模型的安全性提升了4%，而且其最大加速度变化率为0.12 m·s^-3，低于自然人驾驶的0.22 m·s^-3；自然人驾驶与优秀驾驶人模型的运行状态显著差异往往出现在坡度频繁变化路段，通过对差异特征的提取能够得到合理的行车速度干预策略。所提方法框架以模型驱动方式支撑行车速度干预策略的制定，可有助于提升高速公路长大下坡路段交通安全主动防控能力。

来源：2025年第12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12期