公开(公告)号：CN117922567A

公开(公告)日：2024-04-26

申请号：CN202410171301.4

申请日：2024-02-06

Applicant: 北方工业大学

Inventor： 王庞伟 ,  臧红勇 ,  孙远哲 ,  张名芳 ,  王欣荻 ,  朱胜龙

IPC: B60W30/165 ,  B60W30/18 ,  B60W50/00

Abstract: 本发明提供了一种考虑换道切入安全的混行车辆编队控制方法。该方法首先对混行车辆编队进行建模，描述车辆编队的通信及运动特性，并采用线性一致性控制器作为基础控制模型，基于深度强化学习方法动态优化控制参数。然后结合车辆编队模型定义状态，综合考虑车辆编队安全性、通行效率等多目标构建深度强化学习方法的奖励函数，并基于控制器稳定性条件的强化学习动作空间约束，通过动态优化基础控制模型参数输出最优的智能网联汽车期望加速度。最终，通过下层控制器将期望加速度转换为车辆可直接执行的油门/制动控制命令，实现换道切入场景下的车辆编队控制。

公开(公告)号：CN118965563A

公开(公告)日：2024-11-15

申请号：CN202410977619.1

申请日：2024-07-22

Applicant: 北方工业大学

Inventor： 王庞伟 ,  王欣荻 ,  孙远哲 ,  张龙 ,  张名芳

IPC: G06F30/15 ,  B60W30/165 ,  B60W60/00 ,  G06F30/27 ,  G06N3/092 ,  G06F17/11 ,  G06F17/16 ,  H04L67/12 ,  H04W4/40 ,  G06F119/14

Abstract: 本发明提出一种多车道场景下智能网联车辆集群拆分与重组协同控制方法。首先，分析车辆运行状态信息组成，描述车辆集群的通信及运动特性，采用线性一致性控制器作为基础控制模型，构建车辆集群的通信拓扑模型。然后，考虑车辆的动力学特征和集群耦合特性，构建车辆集群动力学模型。最后，对车辆集群运行中的典型场景进行建模，构建深度强化学习方法的奖励函数同时进行智能体的设置，上层构建模型多智能体分层强化学习方法，下层使用多车道车辆编队控制模型，通过动态优化基础控制模型参数输出最优的智能网联汽车期望加速度，并将期望加速广转换为车辆可直接执行的油门/制动控制命令，实现城市道路环境下智能网联车辆集群的拆分与重组并保证行驶的安全与高效。