内河无人船的驾驶行为决策模型

摘要

基于船舶领域的《内河避碰规则》,以交互学习、积累决策经验为手段,建立基于TD3(twin-delayed deep deterministic policy gradient)算法的驾驶行为决策模型.模型设置安全性、经济性及协调性三类奖励函数,并通过奖励值的不断迭代,使模型快速收敛.并基于此模型,对内河中常见的对驶、交叉相遇及追越三种会遇场景进行仿真试验.结果表明:与DDPG相比,TD3算法不仅缩短了模型训练时间,还提升了决策效果.对比分析不同船长、航速下的驾驶行为决策结果,发现此模型不仅可以安全快速地进行自主驾驶决策,而且可对避碰路径进行优化,得到无人船较佳的自主驾驶决策方案.