ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）２０２３年第３７卷第６期Ｖｏｌ．３７Ｎｏ．６２０２３收稿日期：２０２２－１０－３１基金项目：国家自然科学基金项目（Ｕ２０Ａ２０３３３，５１９０５２２３，５１８７５２５５）作者简介：王蛟，男，硕士研究生，主要从事智能汽车决策研究，Ｅ⁃ｍａｉｌ：ｗａｎｇ＿ｊｉａｏ０１＠１６３．ｃｏｍ；通信作者蔡英凤，女，博士，教授，主要从事智能网联汽车技术研究，Ｅ⁃ｍａｉｌ：ｃａｉｃａｉｘｉａｏ０３０４＠１２６．ｃｏｍ。本文引用格式：王蛟，蔡英凤，陈龙，等．混行交通下高速匝道入口智能车辆汇流方法［Ｊ］．重庆理工大学学报（自然科学），２０２３，３７（６）：９３－１０１．Ｃｉｔａｔｉｏｎｆｏｒｍａｔ：ＷＡＮＧＪｉａｏ，ＣＡＩＹｉｎｇｆｅｎｇ，ＣＨＥＮＬｏｎｇ，ｅｔａｌ．Ａｃｏｎｆｌｕｅｎｃｅｍｅｔｈｏｄｆｏｒｉｎｔｅｌｌｉｇｅｎｔｖｅｈｉｃｌｅｓａｔａｈｉｇｈｗａｙｏｎ⁃ｒａｍｐｉｎｍｉｘｅｄｔｒａｆｆｉｃ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ），２０２３，３７（６）：９３－１０１．ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｚ）．２０２３．０６．０１１混行交通下高速匝道入口智能车辆汇流方法王蛟１，蔡英凤１，陈龙１，刘擎超１，王海２（１．江苏大学汽车工程研究院，江苏镇江２１２０１３；２．江苏大学汽车与交通工程学院，江苏镇江２１２０１３）摘要：高速公路匝道入口处的车辆汇流问题是智能驾驶车辆决策系统面临的难题。其中，人类驾驶车辆和智能驾驶车辆混行汇流是最为复杂的情况之一。为了提高汇流区车辆的通行效率，降低污染物质的排放量，通过分析车辆在车道中的分布情况对通行效率的影响，创新了基于深度Ｑ学习（ｄｅｅｐＱ⁃ｎｅｔｗｏｒｋ，ＤＱＮ）算法的智能驾驶车辆汇入模型，根据平均道路时空利用率条件对算法的优化目标函数进行了改进。同时根据真实数据集数据进行分析，定义了场景中车辆的驾驶风格，并建立了混行交通仿真场景。试验结果表明：在３种不同的交通流量条件下，与智能驾驶者模式（ｉｎｔｅｌｌｉｇｅｎｔｄｒｉｖｅｒｍｏｄｅｌ，ＩＤＭ）模型相比，基于ＤＱＮ的主道车辆换道模型使得匝道汇流区整体的通行效率平均提高２３．１...
