【技术实现步骤摘要】
本专利技术属于数据处理及人工智能，尤其涉及一种面向混合交通流的自动驾驶分层决策方法。
技术介绍
1、随着私人汽车在城市中的逐渐普及，虽然为市民出行提供了极大的便利，但同时也带来了严重的交通拥堵问题。日常的交通拥堵导致旅行时间呈指数增长，进而增加了驾驶疲劳和复杂交通环境下的交通事故风险。自动驾驶车辆能够自主处理驾驶任务，为缓解人类驾驶压力、提高安全性和准确性提供了解决方案，尤其是在单调的交通场景中表现尤为突出。决策层单元是自动驾驶算法的关键组成部分，与人类的决策过程相对应。当前的研究主要分为基于学习和基于规则的方法。
2、基于规则的算法具有较好的稳定性，但在处理丰富的感知信息时(如二维图像的像素信息和三维雷达的点云信息)存在局限性。对于该问题，基于强化学习的决策算法因为其网络结构的信息处理能力得到了广泛研究，如dqn、ddpg和ac。然而，由于传统强化学习算法的固有特性，这些算法在自动驾驶任务中存在显著的不确定性。具体表现为在简单场景中表现优异，但在推广到多样化测试场景时却面临困难。它们的应用通常局限于特定场景，如单行路或简单...
【技术保护点】
1.一种面向混合交通流的自动驾驶分层决策方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向混合交通流的自动驾驶分层决策方法，其特征在于，所述基于YOLOv9算法对所述拍摄的图像的特征进行提取，获得目标状态信息的过程包括：
3.根据权利要求1所述的面向混合交通流的自动驾驶分层决策方法，其特征在于，所述目标状态信息包括识别出的目标类型、目标在图像中的像素位置以及与识别相关的置信度信息。
4.根据权利要求1所述的面向混合交通流的自动驾驶分层决策方法，其特征在于，对所述目标状态信息进行处理，获得状态矩阵的过程包括：
...
【技术特征摘要】
1.一种面向混合交通流的自动驾驶分层决策方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的面向混合交通流的自动驾驶分层决策方法，其特征在于，所述基于yolov9算法对所述拍摄的图像的特征进行提取，获得目标状态信息的过程包括：
3.根据权利要求1所述的面向混合交通流的自动驾驶分层决策方法，其特征在于，所述目标状态信息包括识别出的目标类型、目标在图像中的像素位置以及与识别相关的置信度信息。
4.根据权利要求1所述的面向混合交通流的自动驾驶分层决策方法，其...
【专利技术属性】
技术研发人员：李雪原，杨帆，杜明刚，姜雨彤，刘琦，李翔宇，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。