车辆|发生率_YYDS！Python实现自动驾驶

篇首语：本文由编程笔记#小编为大家整理，主要介绍了YYDS！Python实现自动驾驶相关的知识，希望对你有一定的参考价值。

一、安装环境

gym是用于开发和比较强化学习算法的工具包&＃xff0c;在python中安装gym库和其中子场景都较为简便。

安装gym&＃xff1a;

pip install gym

安装自动驾驶模块&＃xff0c;这里使用Edouard Leurent发布在github上的包highway-env&＃xff08;链接&＃xff1a;https://github.com/eleurent/highway-env&＃xff09;&＃xff1a;

pip install --user git&＃43;https://github.com/eleurent/highway-env

其中包含6个场景&＃xff1a;

• 高速公路——“highway-v0”

• 汇入——“merge-v0”

• 环岛——“roundabout-v0”

• 泊车——“parking-v0”

• 十字路口——“intersection-v0”

• 赛车道——“racetrack-v0”

详细文档可以参考这里&＃xff1a;

https://highway-env.readthedocs.io/en/latest/

二、配置环境

安装好后即可在代码中进行实验&＃xff08;以高速公路场景为例&＃xff09;&＃xff1a;

import gym
import highway_env
%matplotlib inline
env &＃61; gym.make(&＃39;highway-v0&＃39;)
env.reset()
for _ in range(3):
    action &＃61; env.action_type.actions_indexes["IDLE"]
    obs, reward, done, info &＃61; env.step(action)
    env.render()

运行后会在模拟器中生成如下场景&＃xff1a;

绿色为ego vehicle env类有很多参数可以配置&＃xff0c;具体可以参考原文档。

三、训练模型

1、数据处理

(1)state

highway-env包中没有定义传感器&＃xff0c;车辆所有的state (observations) 都从底层代码读取&＃xff0c;节省了许多前期的工作量。根据文档介绍&＃xff0c;state (ovservations) 有三种输出方式&＃xff1a;Kinematics&＃xff0c;Grayscale Image和Occupancy grid。

Kinematics

输出V*F的矩阵&＃xff0c;V代表需要观测的车辆数量&＃xff08;包括ego vehicle本身&＃xff09;&＃xff0c;F代表需要统计的特征数量。例&＃xff1a;

数据生成时会默认归一化&＃xff0c;取值范围&＃xff1a;[100, 100, 20, 20]&＃xff0c;也可以设置ego vehicle以外的车辆属性是地图的绝对坐标还是对ego vehicle的相对坐标。

在定义环境时需要对特征的参数进行设定&＃xff1a;

config &＃61; \\
    
    "observation": 
         
        "type": "Kinematics",
        #选取5辆车进行观察&＃xff08;包括ego vehicle&＃xff09;
        "vehicles_count": 5,  
        #共7个特征
        "features": ["presence", "x", "y", "vx", "vy", "cos_h", "sin_h"], 
        "features_range": 
            
            "x": [-100, 100],
            "y": [-100, 100],
            "vx": [-20, 20],
            "vy": [-20, 20]
            ,
        "absolute": False,
        "order": "sorted"
        ,
    "simulation_frequency": 8,  # [Hz]
    "policy_frequency": 2,  # [Hz]
    

Grayscale Image

生成一张W*H的灰度图像&＃xff0c;W代表图像宽度&＃xff0c;H代表图像高度

Occupancy grid

生成一个WHF的三维矩阵&＃xff0c;用W*H的表格表示ego vehicle周围的车辆情况&＃xff0c;每个格子包含F个特征。

(2) action

highway-env包中的action分为连续和离散两种。连续型action可以直接定义throttle和steering angle的值&＃xff0c;离散型包含5个meta actions&＃xff1a;

ACTIONS_ALL &＃61; 
        0: &＃39;LANE_LEFT&＃39;,
        1: &＃39;IDLE&＃39;,
        2: &＃39;LANE_RIGHT&＃39;,
        3: &＃39;FASTER&＃39;,
        4: &＃39;SLOWER&＃39;
    

(3) reward

highway-env包中除了泊车场景外都采用同一个reward function&＃xff1a;

这个function只能在其源码中更改&＃xff0c;在外层只能调整权重。&＃xff08;泊车场景的reward function原文档里有&＃xff0c;懒得打公式了……&＃xff09;

2、搭建模型

DQN网络的结构和搭建过程已经在我另一篇文章中讨论过&＃xff0c;所以这里不再详细解释。我采用第一种state表示方式——Kinematics进行示范。

由于state数据量较小&＃xff08;5辆车*7个特征&＃xff09;&＃xff0c;可以不考虑使用CNN&＃xff0c;直接把二维数据的size[5,7]转成[1,35]即可&＃xff0c;模型的输入就是35&＃xff0c;输出是离散action数量&＃xff0c;共5个。

import torch
import torch.nn as nn
from torch.autograd import Variable
import torch.nn.functional as F
import torch.optim as optim
import torchvision.transforms as T
from torch import FloatTensor, LongTensor, ByteTensor
from collections import namedtuple
import random 
Tensor &＃61; FloatTensor
EPSILON &＃61; 0    # epsilon used for epsilon greedy approach
GAMMA &＃61; 0.9
TARGET_NETWORK_REPLACE_FREQ &＃61; 40       # How frequently target netowrk updates
MEMORY_CAPACITY &＃61; 100
BATCH_SIZE &＃61; 80
LR &＃61; 0.01         # learning rate
class DQNNet(nn.Module):
    def __init__(self):
        super(DQNNet,self).__init__()                  
        self.linear1 &＃61; nn.Linear(35,35)
        self.linear2 &＃61; nn.Linear(35,5)               
    def forward(self,s):
        s&＃61;torch.FloatTensor(s)        
        s &＃61; s.view(s.size(0),1,35)        
        s &＃61; self.linear1(s)
        s &＃61; self.linear2(s)
        return s           
                         
class DQN(object):
    def __init__(self):
        self.net,self.target_net &＃61; DQNNet(),DQNNet()        
        self.learn_step_counter &＃61; 0      
        self.memory &＃61; []
        self.position &＃61; 0 
        self.capacity &＃61; MEMORY_CAPACITY       
        self.optimizer &＃61; torch.optim.Adam(self.net.parameters(), lr&＃61;LR)
        self.loss_func &＃61; nn.MSELoss()
    def choose_action(self,s,e):
        x&＃61;np.expand_dims(s, axis&＃61;0)
        if np.random.uniform() < 1-e:  
            actions_value &＃61; self.net.forward(x)            
            action &＃61; torch.max(actions_value,-1)[1].data.numpy()
            action &＃61; action.max()           
        else: 
            action &＃61; np.random.randint(0, 5)
        return action
    def push_memory(self, s, a, r, s_):
        if len(self.memory) < self.capacity:
            self.memory.append(None)
        self.memory[self.position] &＃61; Transition(torch.unsqueeze(torch.FloatTensor(s), 0),torch.unsqueeze(torch.FloatTensor(s_), 0),\\
                                                torch.from_numpy(np.array([a])),torch.from_numpy(np.array([r],dtype&＃61;&＃39;float32&＃39;)))#
        self.position &＃61; (self.position &＃43; 1) % self.capacity
       
    def get_sample(self,batch_size):
        sample &＃61; random.sample(self.memory,batch_size)
        return sample
      
    def learn(self):
        if self.learn_step_counter % TARGET_NETWORK_REPLACE_FREQ &＃61;&＃61; 0:
            self.target_net.load_state_dict(self.net.state_dict())
        self.learn_step_counter &＃43;&＃61; 1
        
        transitions &＃61; self.get_sample(BATCH_SIZE)
        batch &＃61; Transition(*zip(*transitions))
        b_s &＃61; Variable(torch.cat(batch.state))
        b_s_ &＃61; Variable(torch.cat(batch.next_state))
        b_a &＃61; Variable(torch.cat(batch.action))
        b_r &＃61; Variable(torch.cat(batch.reward))    
             
        q_eval &＃61; self.net.forward(b_s).squeeze(1).gather(1,b_a.unsqueeze(1).to(torch.int64)) 
        q_next &＃61; self.target_net.forward(b_s_).detach() #
        q_target &＃61; b_r &＃43; GAMMA * q_next.squeeze(1).max(1)[0].view(BATCH_SIZE, 1).t()           
        loss &＃61; self.loss_func(q_eval, q_target.t())        
        self.optimizer.zero_grad() # reset the gradient to zero        
        loss.backward()
        self.optimizer.step() # execute back propagation for one step       
        return loss
Transition &＃61; namedtuple(&＃39;Transition&＃39;,(&＃39;state&＃39;, &＃39;next_state&＃39;,&＃39;action&＃39;, &＃39;reward&＃39;))

3、运行结果

各个部分都完成之后就可以组合在一起训练模型了&＃xff0c;流程和用CARLA差不多&＃xff0c;就不细说了。

初始化环境&＃xff08;DQN的类加进去就行了&＃xff09;&＃xff1a;

import gym
import highway_env
from matplotlib import pyplot as plt
import numpy as np
import time
config &＃61; \\
    
    "observation": 
         
        "type": "Kinematics",
        "vehicles_count": 5,
        "features": ["presence", "x", "y", "vx", "vy", "cos_h", "sin_h"],
        "features_range": 
            
            "x": [-100, 100],
            "y": [-100, 100],
            "vx": [-20, 20],
            "vy": [-20, 20]
            ,
        "absolute": False,
        "order": "sorted"
        ,
    "simulation_frequency": 8,  # [Hz]
    "policy_frequency": 2,  # [Hz]
    
    
env &＃61; gym.make("highway-v0")
env.configure(config)

训练模型&＃xff1a;

dqn&＃61;DQN()
count&＃61;0
reward&＃61;[]
avg_reward&＃61;0
all_reward&＃61;[]
time_&＃61;[]
all_time&＃61;[]
collision_his&＃61;[]
all_collision&＃61;[]
while True:
    done &＃61; False    
    start_time&＃61;time.time()
    s &＃61; env.reset()
    
    while not done:
        e &＃61; np.exp(-count/300)  #随机选择action的概率&＃xff0c;随着训练次数增多逐渐降低
        a &＃61; dqn.choose_action(s,e)
        s_, r, done, info &＃61; env.step(a)
        env.render()
        
        dqn.push_memory(s, a, r, s_)
        
        if ((dqn.position !&＃61;0)&(dqn.position % 99&＃61;&＃61;0)):
            loss_&＃61;dqn.learn()
            count&＃43;&＃61;1
            print(&＃39;trained times:&＃39;,count)
            if (count%40&＃61;&＃61;0):
                avg_reward&＃61;np.mean(reward)
                avg_time&＃61;np.mean(time_)
                collision_rate&＃61;np.mean(collision_his)
                                
                all_reward.append(avg_reward)
                all_time.append(avg_time)
                all_collision.append(collision_rate)
                                
                plt.plot(all_reward)
                plt.show()
                plt.plot(all_time)
                plt.show()
                plt.plot(all_collision)
                plt.show()
                
                reward&＃61;[]
                time_&＃61;[]
                collision_his&＃61;[]
                
        s &＃61; s_
        reward.append(r)      
    
    end_time&＃61;time.time()
    episode_time&＃61;end_time-start_time
    time_.append(episode_time)
        
    is_collision&＃61;1 if info[&＃39;crashed&＃39;]&＃61;&＃61;True else 0
    collision_his.append(is_collision)

我在代码中添加了一些画图的函数&＃xff0c;在运行过程中就可以掌握一些关键的指标&＃xff0c;每训练40次统计一次平均值。

平均碰撞发生率&＃xff1a;

epoch平均时长(s)&＃xff1a;

平均reward&＃xff1a;

可以看出平均碰撞发生率会随训练次数增多逐渐降低&＃xff0c;每个epoch持续的时间会逐渐延长&＃xff08;如果发生碰撞epoch会立刻结束&＃xff09;

四、总结

相比于我在之前文章中使用过的模拟器CARLA&＃xff0c;highway-env环境包明显更加抽象化&＃xff0c;用类似游戏的表示方式&＃xff0c;使得算法可以在一个理想的虚拟环境中得到训练&＃xff0c;而不用考虑数据获取方式、传感器精度、运算时长等现实问题。对于端到端的算法设计和测试非常友好&＃xff0c;但从自动控制的角度来看&＃xff0c;可以入手的方面较少&＃xff0c;研究起来不太灵活。

推荐阅读  点击标题可跳转

• Python 学习手册

• Pandas 学习大礼包

• 100&＃43; Python 爬虫项目

• 100 道 Python 经典练习题

• Python 数据分析入门手册

• 2022最强Python学习神器来了

• 70 个 Python 经典实用练手项目

• 20张高清数据分析(Python)全知识地图

• 14 张 Python 速查表玩转数据分析&机器学习