CN114407931B 一种高度类人的自动驾驶营运车辆安全驾驶决策方法 （东南大学）_第1页
CN114407931B 一种高度类人的自动驾驶营运车辆安全驾驶决策方法 （东南大学）_第2页
CN114407931B 一种高度类人的自动驾驶营运车辆安全驾驶决策方法 （东南大学）_第3页
CN114407931B 一种高度类人的自动驾驶营运车辆安全驾驶决策方法 （东南大学）_第4页
CN114407931B 一种高度类人的自动驾驶营运车辆安全驾驶决策方法 （东南大学）_第5页
已阅读5页，还剩27页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号一种高度类人的自动驾驶营运车辆安全驾本发明公开了一种高度类人的自动驾驶营倾稳定性和驾驶平顺性等因素对行车安全的影的驾驶意图，为自动驾驶营运车辆提供更加合2和深度神经网络构建生成器和判别器，进而建立具有高度类人水平的安全驾驶决策模型；首先，在时空全局统一坐标系下，采集典型交x3考虑到合理的最小安全间距应同时兼顾通行效率和行车安全，利用为了避免发生侧向碰撞，自车应与左侧车道和右侧车道的车辆保持合理的安全间距；再次，考虑到合理的安全驾驶决策在保证行车安全的同时，还应具有4利用多个全连接层结构的神经网络建立评价网络，将归一化后的状态量St和动作空间设置全连接层F4和全连接层F5的神经元数量分别为128和64，各层的激活函数均为S型为了最大化与策略参数相关的累积回报，利用GA5EEπE表示专家轨迹τE对应的驾驶tt6[0003]人机共驾是智能车发展的必经之路,作为障自动驾驶营运车辆的行车安全是当前需要解7感器包括惯性导航系统、厘米级高精度全球定位系统(GlobalPositioningSy[0016]生成对抗模仿学习(GenerativeAdversarialImitationLearning,GAIL)将强89虑到深度神经网络具有强大的非线性拟合能力、高维度数据的处理能力和特征提取能力，[0067]其中，τE表示步骤一构建的表征优秀驾驶员驾驶行为的专家轨迹数据集，且τE=πE表示专家轨迹τE对应的驾驶策略分布。[0082](1)本发明提出的方法能够模拟人类优秀驾驶员的驾驶意图，为自动驾驶营运车[0084](3)本发明提出的方法无需考虑复杂的车辆动力学方程和车身参数，计算方法简[0091]人机共驾是智能车发展的必经之路,作为障自动驾驶营运车辆的行车安全是当前需要解成对抗模仿学习算法(GenerativeAdversarialImitationLearning,GAIL)模拟优秀驾感器包括惯性导航系统、厘米级高精度全球定位系统(GlobalPositioningSy迹中出现的状态将会产生很大的误差。逆向强化学习是通过从专家轨迹中学习回报函数，[0104]生成对抗模仿学习(GenerativeAdversarialImitationLearning,GAIL)将强驶策略，本发明采用深度强化学习算法构建生成器。考虑到其中的近端策略优化算法(ProximalPolicyOptimization,PPO)结合了优势动作评论算法(AdvantageActorCritic,A2C)和信赖域策略优化算法(TrustRegionPolicyOptimization,TRPO)的优势，虑到深度神经网络具有强大的非线性拟合能力、高维度数据的处理能力和特征提取能力，含F67和F8三个全连接层，每个全连接层的激励函数均采用线性整流函数，其表达式为f[0155]其中，τE表示步骤一构建的表征优秀驾驶员驾驶行为的专家轨迹数据集，

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论