本文提出了一个以学习为基础的算法，旨在提高环形交叉口中自动驾驶与人驾驶车辆共存的情况下的驾驶安全性和效率。通过深度Q学习网络和KAN网络的结合，实现了在复杂多车道环境中的安全驾驶策略，从而显著降低碰撞次数和缩短行驶时间，展现出优越的性能。

近年来，自动驾驶领域取得重大进展，但半挂车辆研究较少。本研究使用CARLA和环形交叉口场景开发了卡车和挂车模型，并建立了基准数据集。通过双q软件参与者算法训练的自动驾驶模型，在不同环形交叉口上成功率达73%。