AI实战，用Python玩个自动驾驶！

快来打我* 2024-02-18 12:53 37阅读 0赞

### **安装环境** ###

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

安装gym：

pip install gym

安装自动驾驶模块，这里使用 Edouard Leurent 发布在 github 上的包 highway-env：

pip install --user git+https://github.com/eleurent/highway-env

其中包含6个场景：

*  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：

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

### **配置环境** ###

安装好后即可在代码中进行实验（以高速公路场景为例）：

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

运行后会在模拟器中生成如下场景：

![图片][bbee95b0aae06428b29c196a7f2d8328.png]

env类有很多参数可以配置，具体可以参考原文档。

### **训练模型** ###

**1、数据处理**

(1)state

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

Kinematics

输出V\*F的矩阵，V代表需要观测的车辆数量（包括ego vehicle本身），F代表需要统计的特征数量。例：

数据生成时会默认归一化，取值范围：\[100, 100, 20, 20\]，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：

config = \
        {
        "observation": 
             {
            "type": "Kinematics",
            #选取5辆车进行观察（包括ego vehicle）
            "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，W代表图像宽度，H代表图像高度

Occupancy grid

生成一个WHF的三维矩阵，用W\*H的表格表示ego vehicle周围的车辆情况，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，离散型包含5个meta actions：

ACTIONS_ALL = {
            0: 'LANE_LEFT',
            1: 'IDLE',
            2: 'LANE_RIGHT',
            3: 'FASTER',
            4: 'SLOWER'
        }

(3) reward

highway-env包中除了泊车场景外都采用同一个reward function：

![图片][2d645b9e89e1d81357c77c576fb67440.png]

这个function只能在其源码中更改，在外层只能调整权重。

（泊车场景的reward function原文档里有）

**2、搭建模型**

DQN网络，我采用第一种state表示方式——Kinematics进行示范。由于state数据量较小（5辆车\*7个特征），可以不考虑使用CNN，直接把二维数据的size\[5,7\]转成\[1,35\]即可，模型的输入就是35，输出是离散action数量，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 = FloatTensor
    
    EPSILON = 0    # epsilon used for epsilon greedy approach
    GAMMA = 0.9
    TARGET_NETWORK_REPLACE_FREQ = 40       # How frequently target netowrk updates
    MEMORY_CAPACITY = 100
    BATCH_SIZE = 80
    LR = 0.01         # learning rate
    
    class DQNNet(nn.Module):
        def __init__(self):
            super(DQNNet,self).__init__()                  
            self.linear1 = nn.Linear(35,35)
            self.linear2 = nn.Linear(35,5)               
        def forward(self,s):
            s=torch.FloatTensor(s)        
            s = s.view(s.size(0),1,35)        
            s = self.linear1(s)
            s = self.linear2(s)
            return s           
                             
    class DQN(object):
        def __init__(self):
            self.net,self.target_net = DQNNet(),DQNNet()        
            self.learn_step_counter = 0      
            self.memory = []
            self.position = 0 
            self.capacity = MEMORY_CAPACITY       
            self.optimizer = torch.optim.Adam(self.net.parameters(), lr=LR)
            self.loss_func = nn.MSELoss()
    
        def choose_action(self,s,e):
            x=np.expand_dims(s, axis=0)
            if np.random.uniform() < 1-e:  
                actions_value = self.net.forward(x)            
                action = torch.max(actions_value,-1)[1].data.numpy()
                action = action.max()           
            else: 
                action = 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] = 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='float32')))#
            self.position = (self.position + 1) % self.capacity
           
        def get_sample(self,batch_size):
            sample = random.sample(self.memory,batch_size)
            return sample
          
        def learn(self):
            if self.learn_step_counter % TARGET_NETWORK_REPLACE_FREQ == 0:
                self.target_net.load_state_dict(self.net.state_dict())
            self.learn_step_counter += 1
            
            transitions = self.get_sample(BATCH_SIZE)
            batch = Transition(*zip(*transitions))
    
            b_s = Variable(torch.cat(batch.state))
            b_s_ = Variable(torch.cat(batch.next_state))
            b_a = Variable(torch.cat(batch.action))
            b_r = Variable(torch.cat(batch.reward))    
                 
            q_eval = self.net.forward(b_s).squeeze(1).gather(1,b_a.unsqueeze(1).to(torch.int64)) 
            q_next = self.target_net.forward(b_s_).detach() #
            q_target = b_r + GAMMA * q_next.squeeze(1).max(1)[0].view(BATCH_SIZE, 1).t()           
            loss = 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 = namedtuple('Transition',('state', 'next_state','action', 'reward'))

**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，流程和用CARLA差不多，就不细说了。

初始化环境（DQN的类加进去就行了）：

import gym
    import highway_env
    from matplotlib import pyplot as plt
    import numpy as np
    import time
    config = \
        {
        "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 = gym.make("highway-v0")
    env.configure(config)

训练模型：

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

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

平均碰撞发生率：

![图片][abe6e3bb78f3fb4344f8ec3a13b207da.png]

epoch平均时长(s)：

![图片][f318c6f2a1ae1e1748b4b33fcef05ee5.png]

平均reward：

![图片][d770cc5581474469ae2d6e651e372c2d.png]

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

### **总结** ###

相比于模拟器CARLA，highway-env环境包明显更加抽象化，用类似游戏的表示方式，使得算法可以在一个理想的虚拟环境中得到训练，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，但从自动控制的角度来看，可以入手的方面较少，研究起来不太灵活。

### **更多精彩教程欢迎B站搜索“千锋教育”**  ###

千锋教育Python全套视频教程，轻松掌握Excel、Word、PPT、邮件、爬虫、office办公自动化（宋如宁主讲）

[bbee95b0aae06428b29c196a7f2d8328.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/aea67c15e5b04dcaa184b1181d01edfa.png
[2d645b9e89e1d81357c77c576fb67440.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/afb3d4cc741e4d04a7cefe3c1956d2b6.png
[abe6e3bb78f3fb4344f8ec3a13b207da.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/9fac9bcfc6524dd0a59099ad80f2b964.png
[f318c6f2a1ae1e1748b4b33fcef05ee5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/3ee591dd25d44c9a824343b9ddaff0a5.png
[d770cc5581474469ae2d6e651e372c2d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/18/4ab3b93c58c548ecb8cd4dc6ba765a16.png