AI实战，用Python玩个自动驾驶！

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：

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：

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：

epoch平均时长(s)：

平均reward：

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。

感兴趣的小伙伴，赠送全套Python学习资料，包含面试题、简历资料等具体看下方。

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

若有侵权，请联系删除