Otonom araç risk değerlendirmesinde Markov karar süreci kullanımı

Akıllı aracın otonom karar vermesi, gerçek dünyanın trafiğinin belirsiz, karmaşık, sürekli olması ve araçların birbiriyle etkileşime girmesi nedeniyle en kritik ve en zorlu modüldür. Bu tezde, karayolu trafiğinde, çevresel araçların stokastik davranışlarıyla etkileşime giren ego araç davranışlarını göstermek için, pekiştirme öğrenme algoritmalarına dayalı bir karar alma önerilmektedir. Sunulan çözücü algoritmalar, otonom araç problemleri için Markov Karar Süreci olarak formüle edilmiştir. Önerilen algoritmalar, farklı senaryolarla test ve analiz edilmesi için bir simülasyon ortamında uygulanır. Daha sonra, uygulanan farklı algoritmaların verimliliği belirtilen kriterlere göre karşılaştırılır. Test edilen senaryoların simülasyon sonuçları, ego otomobilinin otoyolda belirsiz davranışı olan diğer otomobillerle çarpışmadan güvenli sürüş yapmak için şerit değiştirme ve hızlanma veya yavaşlama yeteneğine sahip olduğunu göstermektedir.