-
公开(公告)号:CN115100866B
公开(公告)日:2023-08-18
申请号:CN202210842831.8
申请日:2022-07-18
Applicant: 北京邮电大学
IPC: G08G1/01 , G08G1/042 , G08G1/048 , G08G1/0967
Abstract: 本发明公开一种基于分层强化学习的车路协同自动驾驶决策方法,基于强化学习设计了一种分层通信的车路协同方法,包括:通信消息生成器与解码器,基于通行子目标的协同规划以及基于通行子目标的单车决策。在车辆—边缘设备通信阶段,一个自编码器会被学习在车端用于生成消息并在边缘节点解码消息;边缘计算节点整合来自全部车辆的消息,并进行共识的形成。共识的表示方式是为每个车辆设定短期的通行任务,并将该任务分发给相应的车辆。车辆依赖车载智能对车辆的驾驶动作进行控制,完成接收自边缘计算节点的短期通行目标。在该分层结构下,本发明多车的协同驾驶决策具有更好的解释性,协同效率更高效。
-
公开(公告)号:CN115100866A
公开(公告)日:2022-09-23
申请号:CN202210842831.8
申请日:2022-07-18
Applicant: 北京邮电大学
IPC: G08G1/01 , G08G1/042 , G08G1/048 , G08G1/0967
Abstract: 本发明公开一种基于分层强化学习的车路协同自动驾驶决策方法,基于强化学习设计了一种分层通信的车路协同方法,包括:通信消息生成器与解码器,基于通行子目标的协同规划以及基于通行子目标的单车决策。在车辆—边缘设备通信阶段,一个自编码器会被学习在车端用于生成消息并在边缘节点解码消息;边缘计算节点整合来自全部车辆的消息,并进行共识的形成。共识的表示方式是为每个车辆设定短期的通行任务,并将该任务分发给相应的车辆。车辆依赖车载智能对车辆的驾驶动作进行控制,完成接收自边缘计算节点的短期通行目标。在该分层结构下,本发明多车的协同驾驶决策具有更好的解释性,协同效率更高效。
-