基于DRL的多智能体混合交通协同规划变道决策模型

arXiv:2601.11809v1 公告类型：新 摘要：联网自动车辆（CAV）具有相互通信和协调的能力，能够实现协作编队，从而提高能源效率和交通流量。然而，在 CAV 部署的初始阶段，CAV 在人力驾驶车辆中的稀疏分布降低了形成有效合作排的可能性。为了应对这一挑战，本研究提出了一种混合多智能体变道决策模型，旨在增加 CAV 参与合作编队并最大化其相关效益。所提出的模型采用 QMIX 框架，集成通过卷积神经网络 (CNN-QMIX) 处理的交通数据。该架构使 CAV 能够做出最佳决策，无论混合流量中存在的 CAV 数量如何变化，从而解决了动态流量场景中的一个关键问题。此外，轨迹规划器和模型预测控制器旨在确保平稳、安全的变道执行。所提出的模型在不同 CAV 市场渗透率的微观模拟环境中进行训练和评估。结果表明，所提出的模型可以有效地管理波动的交通代理数量，显着优于基于规则的基线模型。值得注意的是，它将协作编队率提高了 26.2%，展示了其在部署早期阶段优化 CAV 协作和交通动态的潜力。