基于多目標神經推演算法的智能汽車控制

?

基于多目標神經推演算法的智能汽車控制

目前，許多車輛都安裝了自適應巡航控制（ACC）系統，該系統能按照駕駛員設置的跟車距離行駛。協作自適應巡航控制（CACC）系統主要應用于智能交通（ITS），其可與附近的車輛進行通信。ACC系統和CACC系統的差別如圖1所示。然而，CACC系統未考慮各個駕駛員的喜好。

設想了一種控制系統可以使智能汽車在公路上自動行駛、自動加入和駛離車流、超越其它車輛等。基于此，開發了一款基于神經推演算法（NEAT）和強度帕累托進化算法（SPEA2）的多目標算法演進型控制器，實現了車輛智能化，并形成了一套解決方案，即將用戶需求如速度、舒適性或燃油經濟性等優先考慮的方案。與此相反，目前開發的控制器大多是將用戶喜好歸結為單一目標。因此，開發出有多種優先權的控制器，根據用戶喜好，允許用戶實時地選擇需要的車輛行駛狀態成為研究的重點，如若用戶有急事，車速就快；若用戶處在放松狀態下，車輛行駛于經濟狀態中。

為了驗證上述方案，進行了一系列模擬試驗。試驗目標有兩個：①確認NEATSPEA2多目標算法演進型控制器是否有效；②與常用的駕駛員模型進行對比。模擬試驗條件為：10km雙車道道路；3000輛汽車穿梭行駛，車速為30km/h，車輛隨機進入模擬車道；若車輛發生碰撞事故，車輛仍不會偏離原車道；系統5s測評一次。

試驗的初步結果表明，演進型控制器基本上超越了人類的駕駛行為模型。同時也表明，開發根據用戶不同喜好選擇車輛行駛狀態的控制器是可行的。

W.H. Van Willigen et al. 2013 IEEE Computational Intelligence in Vehicles and Transportation Systems, Singapore, April 16-19,2013.

編譯：張振偉