-
公开(公告)号:CN116252791A
公开(公告)日:2023-06-13
申请号:CN202310227522.4
申请日:2023-03-10
Applicant: 吉林大学
IPC: B60W30/14 , B60W30/165
Abstract: 本发明提供一种基于深度强化学习的自适应巡航控制方法以及系统;基于BP神经网络建立的驾驶人跟车风格辨识模块;基于深度强化学习建立的ACC控制模型;ACC控制模型包括策略模块、深度Q网络模块;将驾驶人跟车行为分为三类跟车风格然后打标签;跟车风格辨识模利用BP神经网络训练得到驾驶人跟车风格分类模型,基于驾驶人跟车风格分类模型输出驾驶人的跟车风格;所述策略模块建立Q值网络,通过Q值网络根据获取的实时跟车行为的有效特征性能数据,输出调整车辆的期望加速度;实现更接近驾驶人员个性化的自适应巡航控制方法且安全性、跟随性、舒适性、经济性高。
-
公开(公告)号:CN117585020A
公开(公告)日:2024-02-23
申请号:CN202311786376.5
申请日:2023-12-25
Applicant: 吉林大学
Abstract: 本发明公开了一种周围车辆驾驶行为意图的推断方法、系统及设备,所述推断方法包括以下步骤:建立Frenet坐标系,将目标车辆的驾驶路径建模为三次样条曲线;获取目标车辆在坐标系中的位置(st,qt)和初始航向角θt,确定初始路径公式(1);获取所述终点sf的计算公式(3);预设初始换道时间tprev,根据初始换道时间tprev和终点sf的计算公式,获取路径的预设终点sf;获取系数a、b、c、d的计算公式(4),获取当前周期k,根据公式(1)、公式(3)和公式(4),估计当前周期k自适应换道时间tprev,k,根据公式(3)和tprev,k,获得路径的实际终点sf;根据路径的实际终点sf得到三条路径,计算每条路径的概率,根据概率最高的路径,推断目标车辆的驾驶行为意图。
-