AI实战，用Python玩个自动驾驶！

lsekfe

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：

1. 　pip install gym

复制代码

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

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

复制代码

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”

　　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()

复制代码

　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：

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. 　　    }

复制代码

　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. 　　    }

复制代码

(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。

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'))

复制代码

　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)

复制代码

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)

复制代码

　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。