【摘 要】
：
无人驾驶的全面实现是一个循序渐进的过程，其间不可避免地会出现多形态的交通主体混行的情况。本文考虑了无信号路口处无人驾驶车辆与行人混行下的过街行为，引入了行人过路信任、无人驾驶车冲突损失溢出和行人过路信号交流等概念。从演化博弈的视角构建了双方冲突博弈矩阵，建立了双方交互演化的动力学模型，并分析得到了双方过街行为的演化稳定策略。结果表明：行人和无人驾驶车的策略选择与行人对无人驾驶技术的信任程度和无人驾
【基金项目】
：
国家自然科学基金国际合作项目（72010107004）； 安徽省高校协同创新项目（GXXT-2021-044）； 安徽省自然科学基金项目（2108085MG237）；
论文部分内容阅读
无人驾驶的全面实现是一个循序渐进的过程，其间不可避免地会出现多形态的交通主体混行的情况。本文考虑了无信号路口处无人驾驶车辆与行人混行下的过街行为，引入了行人过路信任、无人驾驶车冲突损失溢出和行人过路信号交流等概念。从演化博弈的视角构建了双方冲突博弈矩阵，建立了双方交互演化的动力学模型，并分析得到了双方过街行为的演化稳定策略。结果表明：行人和无人驾驶车的策略选择与行人对无人驾驶技术的信任程度和无人驾驶车冲突损失溢出效应密切相关，在不同参数条件下，系统存在多种稳定均衡。此外，人车信号交流机制的引入可以在一定程度上消除由技术不信任带来的负面影响，促进博弈向目标方向演化。最后，本文通过数值模拟验证了模型的有效性，并给出了促进无人驾驶发展的管理启示。
其他文献
随着我国经济与社会的发展和进步,能源需求不断增多,特别是建筑行业对能源的消耗增大,造成资源浪费的同时也污染了环境。因此,为实现绿色可持续发展,建筑企业应积极将生态策略融入建筑行业中,提升建筑行业的资源利用率。本文就建筑设计中融入生态策略的课题进行研究,并分析其存在的问题,希望能为相关从业者提供一定的参考与帮助。
学前融合教育本土化即将国际上先进的融合教育思想与中国特有的社会文化及教育实际相结合,形成具有中国特色的学前融合教育理论与实践体系。文章以河南省"学前融合教育试点园建设项目"为基础,积极探索学前融合教育本土化发展新路子、新方法,以期为广大中西部地区开展学前融合教育本土化实践提供有效经验。
为克服国际金融危机对我国经济的后续不利影响,确保我国经济的持续健康发展,国家将继续实施适度宽松的货币政策,强化金融部门加大对实体经济的信贷支持,特别是强化金融对"三农"的信贷支持力度。那么,在后金融危机时代,
为了提升能源利用率,促进可持续发展,为解决全球性环境问题做出贡献,航运业应重视船舶的节能减排问题。本文围绕船舶主机降功率节能减排的技术要点与优化措施进行分析探讨,为从业者提供参考。
距圣巴西勒教堂、红场与克里姆林宫仅几步之遥,扎里亚季耶公园所处位置历史悠久,在这里可以饱览俄罗斯的所有历史和其不断发展的愿景。此处占地35英亩,无数次见证着历史的沧桑变迁。19世纪,这里曾是犹太人飞地。后来,一座斯大林主义摩天大楼在此处破土动工,尽管最终未曾建成。欧洲最大的酒店——罗西娅酒店——也一直屹立于此,直到2007年才被拆除。之后五年里,由于设计师诺曼·福斯特一直在负责筹划将其扩建为
近年来人们节能环保意识的不断提升,对于环境问题的关注度也越来越高,我国也提出了可持续发展战略,希望社会各界在发展过程中都能够加大环境保护的关注度,切实提高各种资源的利用率,尽量减少对生态环境产生的破坏,促使我国真正走向可持续发展的道路。基于此,在本文中首先简单介绍了节能减排和环境保护的意义,结合目前环境保护现状,探讨了几点有效的解决对策,希望能够促进我国未来经济水平的稳步增长,真正实现人与自然的和
能源是人类生存﹑社会进步和经济发展不可缺少的物质基础。能源问题一直是经济发展中的焦点与热点问题,正确认识与处理能源在消耗过程中存在的问题﹐对于我国今后经济和社会的长远健康发展均具有十分重要的意义。目前来看,我国能源应用过程中还存在很多问题,如能源总量比较大,但人均消费的能源却少之又少,甚至还存在高能耗的情况,对于企业及国家发展均有不利影响。在新的时代背景下,我们要转变以往的发展理念,探讨能源现状,
自20世纪五、六十年代,A. P. Calderon和A. Zygmund建立奇异积分理论以来,以Calderon-Zygmund奇异积分算子为核心的各类算子（如振荡乘子算子,多线性积分算子等）成为近代调和分析理论研究中最为活跃的课题之一,由此形成并发展起来的许多方法和技巧已被广泛应用于算子有界性的研究当中。它们在复分析、位势论、算子理论、非线性分析等众多数学分支中都有广泛应用,相关文章参看[2、
针对高速公路场景中无人驾驶车的换道决策问题,提出一种基于竞争结构的双深度Q网络（DDQN）的无人车换道决策模型.在深度Q网络的基础上,将无人车动作的选择和评估分别用不同的神经网络来实现,并将Q网络分为仅与状态S相关的价值函数和同时与状态S和动作A相关的优势函数两部分,使得Dueling DDQN模型可以更好地理解外部的状态环境.使用训练模型在不同复杂程度的道路环境中进行测试,同时与DQN和DDQN
地面无人车的集群作战运用是当前人工智能与作战指挥交叉领域的热点研究问题。针对实际环境中多无人车无法满足动态威胁条件下的协同路径规划问题，采用全局路径规划算法A-star与局部路径规划算法RL相结合的思路，从感知到行为决策全交互协同的角度开展多无人车协同路径规划模型研究，设计协同作战态势威胁算法，状态与动作空间，奖励函数，势力范围函数，在此基础上设计协同作战编队构型策略生成及打击路径动态优化子模型，