公开(公告)号：CN119578607A

公开(公告)日：2025-03-07

申请号：CN202411565733.X

申请日：2024-11-05

Applicant: 东南大学 ,  南京现代综合交通实验室

Inventor： 张人杰 ,  杨敏 ,  汪宇澄 ,  段琪 ,  潘姿延

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q50/40 ,  G06F17/16

Abstract: 本申请适用于轨道交通技术领域，提供了一种基于灵活编组策略的城轨列车调度优化方法，包括：根据乘客到达曲线，生成乘客等待时间线性化计算方法，再结合乘客等待时间线性化计算方法，引入约束条件，根据引入约束条件后的乘客等待时间线性化计算方法，构建基于编组策略的车辆周转方案与时刻表综合优化模型，最后确定基于优先级的分支策略，并引入有效割平面，设计两阶段分支切割算法求取综合优化模型的全局最优解，以获取列车最优越行方案、时刻表、周转方案。由此可以减少乘客等待时间与地铁运营成本，提高列车运能利用率。

公开(公告)号：CN115320640B

公开(公告)日：2024-12-03

申请号：CN202211077434.2

申请日：2022-09-05

Applicant: 东南大学

Inventor： 彭剑坤 ,  张思雨 ,  汪宇澄 ,  李志斌 ,  周扬 ,  袁胜

IPC: B60W60/00 ,  B60W50/00 ,  B60W30/18 ,  G06N3/0464 ,  G06N3/092

Abstract: 本发明公开了一种基于深度强化学习的自动驾驶行为一体化决策方法，从两种基本驾驶行为，即换道和跟驰行为的优先级和逻辑出发，首先采用上下两层深度强化学习模型处理大规模混合状态空间并保证换道决策和跟驰决策的复合动作输出，在上层模型中使用D3QN算法来区分环境的潜在价值和换道决策的价值，在下层模型采用DDPG算法处理跟驰决策从而输出连续的车速控制。选取混合标准驾驶工况对两种算法进行耦合训练之后，在利用NGSIM数据重建的高度复杂的驾驶场景中对模型进行测试。本发明提出的集成驾驶决策模型提高了跟驰与换道决策的协同性，并将车道优势函数与危险动作屏蔽机制整合到决策模型中，显著提升了行驶速度，优于其他的智能驾驶决策模型。

公开(公告)号：CN115320640A

公开(公告)日：2022-11-11

申请号：CN202211077434.2

申请日：2022-09-05

Applicant: 东南大学

Inventor： 彭剑坤 ,  张思雨 ,  汪宇澄 ,  李志斌 ,  周扬 ,  袁胜

IPC: B60W60/00 ,  B60W50/00 ,  B60W30/18 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度强化学习的自动驾驶行为一体化决策方法，从两种基本驾驶行为，即换道和跟驰行为的优先级和逻辑出发，首先采用上下两层深度强化学习模型处理大规模混合状态空间并保证换道决策和跟驰决策的复合动作输出，在上层模型中使用D3QN算法来区分环境的潜在价值和换道决策的价值，在下层模型采用DDPG算法处理跟驰决策从而输出连续的车速控制。选取混合标准驾驶工况对两种算法进行耦合训练之后，在利用NGSIM数据重建的高度复杂的驾驶场景中对模型进行测试。本发明提出的集成驾驶决策模型提高了跟驰与换道决策的协同性，并将车道优势函数与危险动作屏蔽机制整合到决策模型中，显著提升了行驶速度，优于其他的智能驾驶决策模型。