Python实现自动驾驶测试训练模型

这篇文章主要为大家介绍了Python实现自动驾驶训练模型，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪

一、安装环境

二、配置环境

三、训练模型

1、数据处理

2、搭建模型

3、运行结果

四、总结

一、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”

二、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）：

1. import gym

2. import highway_env

3. %matplotlib inline

4. env = gym.make('highway-v0')

5. env.reset()

6. for _ in range(3):

7. action = env.action_type.actions_indexes["IDLE"]

8. obs, reward, done, info = env.step(action)

9. env.render()

运行后会在模拟器中生成如下场景：

绿色为ego vehicle env类有很多参数可以配置，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，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：

1. config = \

2. {

3. "observation":

4. {

5. "type": "Kinematics",

6. #选取5辆车进行观察（包括ego vehicle）

7. "vehicles_count": 5,

8. #共7个特征

9. "features": ["presence", "x", "y", "vx", "vy", "cos_h", "sin_h"],

10. "features_range":

11. {

12. "x": [-100, 100],

13. "y": [-100, 100],

14. "vx": [-20, 20],

15. "vy": [-20, 20]

16. },

17. "absolute": False,

18. "order": "sorted"

19. },

20. "simulation_frequency": 8, # [Hz]

21. "policy_frequency": 2, # [Hz]

22. }

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：

1. ACTIONS_ALL = {

2. 0: 'LANE_LEFT',

3. 1: 'IDLE',

4. 2: 'LANE_RIGHT',

5. 3: 'FASTER',

6. 4: 'SLOWER'

7. }

(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，懒得打公式了……）

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，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（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。

1. import torch

2. import torch.nn as nn

3. from torch.autograd import Variable

4. import torch.nn.functional as F

5. import torch.optim as optim

6. import torchvision.transforms as T

7. from torch import FloatTensor, LongTensor, ByteTensor

8. from collections import namedtuple

9. import random

10. Tensor = FloatTensor

11. EPSILON = 0 # epsilon used for epsilon greedy approach

12. GAMMA = 0.9

13. TARGET_NETWORK_REPLACE_FREQ = 40 # How frequently target netowrk updates

14. MEMORY_CAPACITY = 100

15. BATCH_SIZE = 80

16. LR = 0.01 # learning rate

17. class DQNNet(nn.Module):

18. def __init__(self):

19. super(DQNNet,self).__init__()

20. self.linear1 = nn.Linear(35,35)

21. self.linear2 = nn.Linear(35,5)

22. def forward(self,s):

23. s=torch.FloatTensor(s)

24. s = s.view(s.size(0),1,35)

25. s = self.linear1(s)

26. s = self.linear2(s)

27. return s

28. class DQN(object):

29. def __init__(self):

30. self.net,self.target_net = DQNNet(),DQNNet()

31. self.learn_step_counter = 0

32. self.memory = []

33. self.position = 0

34. self.capacity = MEMORY_CAPACITY

35. self.optimizer = torch.optim.Adam(self.net.parameters(), lr=LR)

36. self.loss_func = nn.MSELoss()

37. def choose_action(self,s,e):

38. x=np.expand_dims(s, axis=0)

39. if np.random.uniform() < 1-e:

40. actions_value = self.net.forward(x)

41. action = torch.max(actions_value,-1)[1].data.numpy()

42. action = action.max()

43. else:

44. action = np.random.randint(0, 5)

45. return action

46. def push_memory(self, s, a, r, s_):

47. if len(self.memory) < self.capacity:

48. self.memory.append(None)

49. self.memory[self.position] = Transition(torch.unsqueeze(torch.FloatTensor(s), 0),torch.unsqueeze(torch.FloatTensor(s_), 0),\

50. torch.from_numpy(np.array([a])),torch.from_numpy(np.array([r],dtype='float32')))#

51. self.position = (self.position + 1) % self.capacity

52. def get_sample(self,batch_size):

53. sample = random.sample(self.memory,batch_size)

54. return sample

55. def learn(self):

56. if self.learn_step_counter % TARGET_NETWORK_REPLACE_FREQ == 0:

57. self.target_net.load_state_dict(self.net.state_dict())

58. self.learn_step_counter += 1

59. transitions = self.get_sample(BATCH_SIZE)

60. batch = Transition(*zip(*transitions))

61. b_s = Variable(torch.cat(batch.state))

62. b_s_ = Variable(torch.cat(batch.next_state))

63. b_a = Variable(torch.cat(batch.action))

64. b_r = Variable(torch.cat(batch.reward))

65. q_eval = self.net.forward(b_s).squeeze(1).gather(1,b_a.unsqueeze(1).to(torch.int64))

66. q_next = self.target_net.forward(b_s_).detach() #

67. q_target = b_r + GAMMA * q_next.squeeze(1).max(1)[0].view(BATCH_SIZE, 1).t()

68. loss = self.loss_func(q_eval, q_target.t())

69. self.optimizer.zero_grad() # reset the gradient to zero

70. loss.backward()

71. self.optimizer.step() # execute back propagation for one step

72. return loss

73. 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）：

1. import gym

2. import highway_env

3. from matplotlib import pyplot as plt

4. import numpy as np

5. import time

6. config = \

7. {

8. "observation":

9. {

10. "type": "Kinematics",

11. "vehicles_count": 5,

12. "features": ["presence", "x", "y", "vx", "vy", "cos_h", "sin_h"],

13. "features_range":

14. {

15. "x": [-100, 100],

16. "y": [-100, 100],

17. "vx": [-20, 20],

18. "vy": [-20, 20]

19. },

20. "absolute": False,

21. "order": "sorted"

22. },

23. "simulation_frequency": 8, # [Hz]

24. "policy_frequency": 2, # [Hz]

25. }

26. env = gym.make("highway-v0")

27. env.configure(config)

训练模型：

1. dqn=DQN()

2. count=0

3. reward=[]

4. avg_reward=0

5. all_reward=[]

6. time_=[]

7. all_time=[]

8. collision_his=[]

9. all_collision=[]

10. while True:

11. done = False

12. start_time=time.time()

13. s = env.reset()

14. while not done:

15. 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

16. a = dqn.choose_action(s,e)

17. s_, r, done, info = env.step(a)

18. env.render()

19. dqn.push_memory(s, a, r, s_)

20. if ((dqn.position !=0)&(dqn.position % 99==0)):

21. loss_=dqn.learn()

22. count+=1

23. print('trained times:',count)

24. if (count%40==0):

25. avg_reward=np.mean(reward)

26. avg_time=np.mean(time_)

27. collision_rate=np.mean(collision_his)

28. all_reward.append(avg_reward)

29. all_time.append(avg_time)

30. all_collision.append(collision_rate)

31. plt.plot(all_reward)

32. plt.show()

33. plt.plot(all_time)

34. plt.show()

35. plt.plot(all_collision)

36. plt.show()

37. reward=[]

38. time_=[]

39. collision_his=[]

40. s = s_

41. reward.append(r)

42. end_time=time.time()

43. episode_time=end_time-start_time

44. time_.append(episode_time)

45. is_collision=1 if info['crashed']==True else 0

46. 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）

四、总结

相比于我在之前文章中使用过的模拟器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。

行动吧，在路上总比一直观望的要好，未来的你肯定会感 谢现在拼搏的自己！如果想学习提升找不到资料，没人答疑解惑时，请及时加入扣群： 320231853，里面有各种软件测试+开发资料和技术可以一起交流学习哦。

最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：

​

这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！