Deep Reinforcement Learning for Advanced Longitudinal Control and Collision Avoidance in High-Risk Driving Scenarios

要約

既存の先進運転支援システムは主に直前の車両に焦点を当てており、後続車両からの潜在的なリスクを見落とすことがよくあります。
この見落としにより、1 台の車両による緊急ブレーキが玉突き衝突を引き起こす可能性がある、高速で密集した複数車両のシナリオなど、高リスクの状況に効果的に対処できない可能性があります。
これらの制限を克服するために、この研究では、縦方向の制御と衝突回避のための新しい深層強化学習ベースのアルゴリズムを導入します。
この提案されたアルゴリズムは、先行車両と後続車両の両方の挙動を効果的に考慮します。
従来のシステムが通常故障する密集した交通での緊急ブレーキを含む、シミュレートされた高リスクシナリオでの実装により、大型車両が関与する衝突を含む潜在的な玉突き衝突を防止するアルゴリズムの能力が実証されました。

要約(オリジナル)

Existing Advanced Driver Assistance Systems primarily focus on the vehicle directly ahead, often overlooking potential risks from following vehicles. This oversight can lead to ineffective handling of high risk situations, such as high speed, closely spaced, multi vehicle scenarios where emergency braking by one vehicle might trigger a pile up collision. To overcome these limitations, this study introduces a novel deep reinforcement learning based algorithm for longitudinal control and collision avoidance. This proposed algorithm effectively considers the behavior of both leading and following vehicles. Its implementation in simulated high risk scenarios, which involve emergency braking in dense traffic where traditional systems typically fail, has demonstrated the algorithm ability to prevent potential pile up collisions, including those involving heavy duty vehicles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google