-
公开(公告)号:CN116027788A
公开(公告)日:2023-04-28
申请号:CN202310026965.7
申请日:2023-01-09
Applicant: 江苏大学
Abstract: 本发明公开了融合复杂网络理论和部分可观察马尔可夫决策过程的智能驾驶行为决策方法及设备,通过引入部分可观察马尔可夫决策过程(POMDP),提供了一种在不确定性环境下,多智能体交互的理想决策模型,随着模型维度的增加,其计算复杂度也大大增加,为解决计算复杂度问题,本发明引入基于复杂网络认知理论对驾驶环境进行建模,用于评估重要节点并提取风险树,以缩小POMDP模型的置信空间、加速模型求解,从而实现在高度交互的动态不确定性驾驶环境下进行实时性的行为决策,相比于采用有限状态机和RL的行为决策方法,本发明在保证算法可解释性的同时,可在高度交互的动态不确定性驾驶环境中有效运行,为高级别的智能驾驶系统开发提供了新的解决思路。
-
公开(公告)号:CN116946183A
公开(公告)日:2023-10-27
申请号:CN202310873567.9
申请日:2023-07-17
Applicant: 江苏大学
Abstract: 本发明公开了一种考虑驾驶能力的商用车驾驶行为预测方法及车用设备,本发明对驾驶员的驾驶能力进行定义,对不同的驾驶员进行分类建模然后识别,并将其纳入驾驶行为预测中,可以更准确地估计复杂交通状况下的驾驶行为,提高城市交通高效性和整个闭环车联网的安全性。本发明方法理论性和可操作性强,不仅能辅助驾驶员进行车辆决策避免事故发生,而且可以提高城市交通高效性和整个闭环车联网安全性。在辅助驾驶系统告警以及混合交通流条件下的自动驾驶车辆的预测和判断方面都具备一定的应用前景。
-
公开(公告)号:CN115950445A
公开(公告)日:2023-04-11
申请号:CN202310026978.4
申请日:2023-01-09
Applicant: 江苏大学
IPC: G01C21/34 , G06F30/27 , G06F16/901 , G06N3/0464
Abstract: 本发明公开了融合复杂网络理论和深度神经网络的高速公路商用车轨迹规划方法及车用电子设备,通过模型评估重要车辆节点并提取风险树,用于扩展自车轨迹规划的行动空间,并将各类车辆节点建模为场的形式,用于评估规划轨迹的碰撞风险。同时直接在高速公路场景中的XYT坐标系下进行轨迹规划,将预测的他车轨迹和其他障碍物的边框(Bounding Box)映射到根据坐标系生成的栅格地图中,利用深度神经网络(DNN)做卷积操作,得出安全可行的无碰撞轨迹,从而降低商用车和乘用车不同尺寸对轨迹规划的影响,同时解决道路建模困难和计算量过大的问题。实现在整个智能驾驶系统框架内无需进行坐标系的转换,即可规划一条可以同时兼顾安全、效率和灵活性的高质量轨迹。
-
-