基于改进DDPG的经济性自动驾驶汽车决策方法

摘要：现有自动驾驶技术多集中于安全性，而忽视经济性。针对此问题，本文提出一种基于改进的深度确定性策略梯度(Deep Deterministic Policy Gradient, DDPG)算法的经济性自动驾驶决策方法。首先，分析汽车驾驶功耗因素，以汽车的电机效率为指标，设计经济性奖励函数，以优化汽车行驶效率；其次，通过引入专家经验指导和双经验池动态回放策略，灵活且高效利用经验池数据，提高模型收敛速度和稳定性；同时，改进在线价值网络，设计双在线价值网络，从而降低对策略价值的过高估计。最后在CARLA中搭建仿真环境对所提算法进行验证，结果表明，改进后的算法在累计奖励、收敛速度和稳定性等多方面均优于原始DDPG算法，有效提升了自动驾驶汽车的经济性和能效。

关键词：自动驾驶;经济性;改进DDPG;决策;CARLA;