基于highway的数据采集_highway-v0-CSDN博客

本文介绍了在高速环境(highway-v0)中使用Python及gym库进行数据采集的方法，重点展示了如何设置环境参数实现手动控制，并通过示例代码演示了如何采集车辆速度等信息，最后保存数据为JSON格式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、前言

在做逆强化学习的过程中，需要用到数据采集，这里仅展示某个环境下的数据采集框架，需要采集更多信息可以按自己的需求进行改动。

2、代码

import json
import gym
import highway_env
import sys
import matplotlib.pyplot as plt
import numpy as np

env = gym.make("highway-v0")
env.configure({
    "manual_control": True, #手动操作
     "action": {
        "type": "DiscreteMetaAction"} #动作类型，主要分为连续动作（ContinuousAction）与离散动作（DiscreteMetaAction）
})
env.reset()
done = False

speed_ = []
for i in range(100):
        obs, reward, done, info = env.step(env.action_space.sample())
        speed_.append(info["speed"])#这里只采集了速度信息，其他信息可以调试info查看一下，还可以直接更改源代码，添加自己需要的信息
        env.render()
with open("./v1.json", 'w', encoding='UTF-8') as f:#将采集到的数据保存为json文件
    f.write(json.dumps(speed_))


with open("./v1.json", 'r', encoding = 'UTF-8') as f:#从json文件读取保存的数据
    d_m = json.load(f)
print("\n读取JSON格式文件的内容并转换为字典：\n")
print(d_m)