面向复杂交通场景的网联新能源汽车经济性驾驶方法

    公开(公告)号:CN118850033A

    公开(公告)日:2024-10-29

    申请号:CN202410869835.4

    申请日:2024-07-01

    Applicant: 重庆大学

    Abstract: 本发明涉及一种基于深度强化学习的复杂交通场景混合动力汽车经济性驾驶策略,属于新能源汽车领域。该方法包括:构建具有交互性的多车道多交通信号灯训练场景:使用车辆运动学模型描述训练场景中车辆的纵向运动,将车辆的换道过程简化成一个瞬态过程,并利用基于规则的决策模型控制其他车辆,使环境具有交互性;构建基于最大熵深度强化学习的决策模型,包括状态空间、动作空间、奖励函数、策略模型、评价模型与经验回放池;构建目标车辆安全约束,包括纵向加速度安全约束以及横向换道决策安全约束,用于避免车辆发生碰撞和违反交通规则等危险行为;训练基于最大熵深度强化学习的决策模型。本发明利用深度强化学习提高了自动驾驶汽车的经济性。

    一种信号灯场景下的智能网联新能源汽车经济性驾驶方法

    公开(公告)号:CN118953323B

    公开(公告)日:2025-04-04

    申请号:CN202411038912.8

    申请日:2024-07-31

    Applicant: 重庆大学

    Abstract: 本发明涉及一种信号灯场景下的智能网联新能源汽车经济性驾驶方法,属于新能源汽车领域,其包括以下步骤:构建基于时间图卷积网络的交通流预测模型,通过获取的历史交通流速度信息预测未来时刻交通流速度vpre(t);获取信号灯相位配时信息,参考预测的未来时刻交通流速度vpre(t),在云端规划全局引导车速vg(t);构建基于模型预测控制的经济性驾驶巡航控制器,参考全局引导车速vg(t),实时跟踪前车车速,求解上层目标车速vupper(t)与车辆的总需求功率Pd(t);开发下层能量管理策略,构建车辆动力总成模型,使用等效燃油最小消耗策略计算最佳功率分配。本发明在巡航控制优化问题中,加入全局车速引导与信号灯约束,有效结合全局速度规划与跟车巡航控制,能够显著提升车辆的经济性与舒适性。

    面向复杂交通场景的网联新能源汽车经济性驾驶方法

    公开(公告)号:CN118850033B

    公开(公告)日:2025-03-04

    申请号:CN202410869835.4

    申请日:2024-07-01

    Applicant: 重庆大学

    Abstract: 本发明涉及一种基于深度强化学习的复杂交通场景混合动力汽车经济性驾驶策略,属于新能源汽车领域。该方法包括:构建具有交互性的多车道多交通信号灯训练场景:使用车辆运动学模型描述训练场景中车辆的纵向运动,将车辆的换道过程简化成一个瞬态过程,并利用基于规则的决策模型控制其他车辆,使环境具有交互性;构建基于最大熵深度强化学习的决策模型,包括状态空间、动作空间、奖励函数、策略模型、评价模型与经验回放池;构建目标车辆安全约束,包括纵向加速度安全约束以及横向换道决策安全约束,用于避免车辆发生碰撞和违反交通规则等危险行为;训练基于最大熵深度强化学习的决策模型。本发明利用深度强化学习提高了自动驾驶汽车的经济性。

    一种信号灯场景下的智能网联新能源汽车经济性驾驶方法

    公开(公告)号:CN118953323A

    公开(公告)日:2024-11-15

    申请号:CN202411038912.8

    申请日:2024-07-31

    Applicant: 重庆大学

    Abstract: 本发明涉及一种信号灯场景下的智能网联新能源汽车经济性驾驶方法,属于新能源汽车领域,其包括以下步骤:构建基于时间图卷积网络的交通流预测模型,通过获取的历史交通流速度信息预测未来时刻交通流速度vpre(t);获取信号灯相位配时信息,参考预测的未来时刻交通流速度vpre(t),在云端规划全局引导车速vg(t);构建基于模型预测控制的经济性驾驶巡航控制器,参考全局引导车速vg(t),实时跟踪前车车速,求解上层目标车速vupper(t)与车辆的总需求功率Pd(t);开发下层能量管理策略,构建车辆动力总成模型,使用等效燃油最小消耗策略计算最佳功率分配。本发明在巡航控制优化问题中,加入全局车速引导与信号灯约束,有效结合全局速度规划与跟车巡航控制,能够显著提升车辆的经济性与舒适性。

Patent Agency Ranking