一种基于双层自适应深层强化学习的关键边界测试场景生成方法

    公开(公告)号:CN120011250A

    公开(公告)日:2025-05-16

    申请号:CN202411867173.3

    申请日:2024-12-18

    Inventor: 王琳 周俊洁

    Abstract: 本发明涉及一种基于双层自适应深层强化学习的关键边界测试场景生成方法,包括:构造演员‑评论家架构,其中,演员模块包括基于神经网络的自然驾驶行为学习模型以及基于双层自适应深度强化学习的关键边界场景生成模型,评论家模块包括场景复杂度模型以及测试评估模型,在自然驾驶行为学习模型中,利用自然驾驶数据生成背景交通参与者错综复杂的交互行为;利用场景复杂度模型和测试评估模型对生成的场景进行场景复杂度计算和评测,并输出给关键边界场景生成模型;在关键边界场景生成模型中采用双层自适应深度强化学习算法动态增强测试场景的复杂度。与现有技术相比,本发明能够在复杂的多交互高维环境中高效生成真实且多样化的关键边界测试场景。

    一种多种类混合车流中车辆异常行为检测方法

    公开(公告)号:CN118038672A

    公开(公告)日:2024-05-14

    申请号:CN202410174974.5

    申请日:2024-02-07

    Abstract: 本发明涉及一种多种类混合车流中车辆异常行为检测方法,包括以下步骤:获取道路上的车流信息,根据其内部特征,将其抽象为离散时间的动态异构图序列;设计使用了异构图注意力模块的长短期记忆网络模型,实现多种类节点问题的时序特征提取;基于长短期记忆网络模型,设计自编码器,通过节点重构误差,检测得到不符合正常车辆决策方式的离群异常行为。与现有技术相比,本发明使用异构图网络同时对车辆个体信息和车辆间的交互行为进行学习,能够有效地对车辆异常行为进行检测,同时支持扩展到拥有数千车辆级别的大型公路场景,从而针对多种类车辆混合车流中不同种类的车辆异常行为,能够快速、准确地进行检测,可靠保障道路交通系统安全高效的运行。

    一种基于对抗强化学习的自动驾驶优化控制方法

    公开(公告)号:CN116224996A

    公开(公告)日:2023-06-06

    申请号:CN202211715787.0

    申请日:2022-12-28

    Abstract: 本发明涉及一种基于对抗强化学习的自动驾驶优化控制方法,包括以下步骤:设计对抗智能体控制部分关键场景因素,以构建对抗场景;利用对抗场景对车辆进行训练,得到优化后的驾驶算法;将优化后的驾驶算法应用于车辆控制器,以相应控制车辆的行驶状态。与现有技术相比,本发明在给定场景下,为本车设计第1代强化学习的驾驶策略,再采用不完全零和博弈构建对抗过程,生成多个对抗智能体与本车的驾驶算法进行对抗,不断迭代优化本车驾驶算法的鲁棒性。由此基于对抗强化学习的方式,以迭代优化得到鲁棒性增强的自动驾驶算法,从而有效提升自动驾驶控制的效率和场景鲁棒性。

    一种用于自动驾驶测试的在线多维度综合测试评估方法

    公开(公告)号:CN119984839A

    公开(公告)日:2025-05-13

    申请号:CN202411881450.6

    申请日:2024-12-19

    Inventor: 王琳 周俊洁

    Abstract: 本发明涉及一种用于自动驾驶测试的在线多维度综合测试评估方法,包括:构建测试场景库;构建测试场景复杂度模型;搭建智能驾驶联合仿真测试平台,并将智能驾驶算法嵌入至智能驾驶联合仿真测试平台;构建自动驾驶测试多维度评估指标系统,用于对自动驾驶车辆进行多维度性能评估;利用智能驾驶联合仿真测试平台,获得车辆测试数据,结合评估指标系统及测试场景复杂度模型,计算客观的评测指标权重,然后计算综合性能量化评分,最终输出得到自动化评测报告。与现有技术相比,本发明能够减少人工评估的主观性,加速自动驾驶车辆评测效率;能够对自动驾驶车辆的多维度性能进行综合和客观的量化评分,并减少不同测试场景对自动驾驶车辆评分差异的影响。

    一种大规模道路仿真测试场景库生成方法

    公开(公告)号:CN119903724A

    公开(公告)日:2025-04-29

    申请号:CN202411841751.6

    申请日:2024-12-13

    Inventor: 王琳 周俊洁

    Abstract: 本发明涉及一种大规模道路仿真测试场景库生成方法,包括:采集真实道路结构数据,构造道路结构数据集;基于FreeU的Unet网络架构和宽深网络架构,建立道路结构生成模型;利用道路结构数据集对道路结构生成模型进行训练,得到道路结构扩散生成模型;将道路属性及随机噪声输入道路结构扩散生成模型,输出得到道路场景数据;针对输出的道路场景数据进行评估、排序及筛选,构建道路场景库,用于自动驾驶车辆仿真测试。与现有技术相比,本发明能够有效地生成用于自动驾驶车辆测试的真实、多样的综合道路场景库。

    一种考虑续航里程的新能源共享汽车的调度方法

    公开(公告)号:CN114036749B

    公开(公告)日:2024-09-13

    申请号:CN202111317239.8

    申请日:2021-11-09

    Abstract: 本发明涉及一种考虑续航里程的新能源共享汽车的调度方法,该方法包括以下步骤:步骤S1、将共享汽车的用户订单视作节点,制定基于时间和电量约束的编码规则,构造染色体,设计适应度函数并进行适应度的计算;步骤S2、基于选择、交叉和变异算子,对染色体进行迭代优化,到达预设的终止条件时结束算法迭代;步骤S3、解码遗传算法求解的结果,获得最终所需的车辆数量及对应的订单安排顺序。与现有技术相比,本发明的方法降低了最小编队问题求解的复杂性和难度。

    一种用于自动驾驶车辆学习性能力的评价方法及系统

    公开(公告)号:CN117454737A

    公开(公告)日:2024-01-26

    申请号:CN202310860151.3

    申请日:2023-07-13

    Abstract: 本发明公开了一种用于自动驾驶车辆学习性能力的评价方法,其包括:构建基于测试车辆的原始状态和目标状态的奖励函数;将测试车辆置于仿真测试场景中进行若干次测试,获得每一次测试车辆的完成状态;基于每一次测试车辆的完成状态,采用学习算法训练所述奖励函数;获得该学习算法下的奖励函数的值随测试次数变化的学习曲线;基于所述学习曲线提取该学习算法的学习时间、学习速度和学习容量,用于评价学习性能力。相应地,本发明还公开了一种用于自动驾驶车辆学习性能力的评价系统。本发明其从时间维度对自动驾驶车辆的测试评价进行了分析,通过提出的三个指标:学习时间、学习速度和学习容量,以衡量自动驾驶车辆算法的学习进化能力。

Patent Agency Ranking