公开(公告)号：CN119721415A

公开(公告)日：2025-03-28

申请号：CN202411749937.9

申请日：2024-12-02

Applicant: 东南大学

Inventor： 彭剑坤 ,  马雨晗 ,  闫方 ,  丁璠 ,  葛雨明 ,  何洪文 ,  范毅

IPC: G06Q10/047 ,  G01C21/34 ,  B60L53/00 ,  G06Q10/0631 ,  G06Q50/06 ,  G06N3/006 ,  G06N3/042 ,  G06N3/084 ,  G06N3/092 ,  G06F16/29 ,  G06F16/901 ,  G06F16/909

Abstract: 本发明涉及电动汽车充电规划技术领域，公开了一种基于图强化学习的协同式路线‑充电规划方法及系统，该方法包括使用图神经网络和强化学习算法对路线和充电规划进行集成优化；将地图表示为图结构数据，并通过Structure2Vector方法提取道路网络的拓扑信息；将拓扑信息嵌入到深度Q网络（DQN）算法的状态值函数中，以规划路线和优化充电站的选择；通过自学习适应交通和充电需求的变化形成一种协同式路径‑充电规划方法。本发明的有益效果为：可以提高规划效率，还可以大大减少驾驶和充电等待时间，增强用户体验。

公开(公告)号：CN118707849A

公开(公告)日：2024-09-27

申请号：CN202410738317.9

申请日：2024-06-07

Applicant: 东南大学

Inventor： 彭剑坤 ,  陈伟琪 ,  闫方 ,  彭杨诚 ,  丁璠 ,  韩雨 ,  范毅 ,  张海龙

IPC: G05B13/04 ,  G06Q10/0637 ,  G06Q50/40 ,  G06F30/27 ,  G06N3/092

Abstract: 本发明涉及一种基于深度强化学习算法的多车道场景集成式节能驾驶策略优化方法，包括：以多车道直线高速公路为目标场景，利用不同算法分别控制主车和周围车辆的横纵向运动，建立运动学模型，并输入训练场景相关参数；从状态空间、动作空间和奖励函数三个方面，基于SAC算法设计轨迹规划与能量管理集成式节能驾驶策略；确定对协同优化性能影响最大的权重系数的合适取值，对设计策略的最优性和适应性进行检验。与现有技术相比，本发明中基于SAC算法的节能驾驶策略在与不同算法的最优性对比试验中展现了最优的性能，不仅比在线策略型深度强化学习算法更优，与同为离线型算法的DDPG和TD3相比，其综合性能也更强。