一种基于AI的多车驾驶控制方法及系统技术方案

本发明专利技术公开了一种基于AI的多车驾驶控制方法及系统，方法包括：对于车队建立双向通讯拓扑结构，采集所述车队中每辆车的状态信息；采用线性叠加策略，对所述车队中的每辆车进行速度与位置的协调控制；采用分布式控制策略，进行每辆车之间的协作避撞控制；建立基于AI的决策模型，通过机器学习算法对车队状态进行实时分析，设定用于优化车辆控制的奖励函数；在突发情况下进行多车协同换道控制，使车辆沿着规划的轨迹行驶；采用模型预测控制策略，对每辆车进行轨迹跟踪。系统包括通讯模块，线性控制模块，分布式控制模块，决策模块，换道控制模块和轨迹跟踪模块。本发明专利技术能够优化控制策略、增强多车协作能力，提高编队的安全性和效率。

【技术实现步骤摘要】

本专利技术涉及无人车控制，特别涉及一种基于ai的多车驾驶控制方法及系统。

技术介绍

1、随着无人驾驶技术的迅速发展，路径规划已成为多车编队控制系统中的关键技术之一。中国科学院沈阳研究所自主开发的mrcas系统开创性地结合了分布式和集中式控制方式，成功实现了无人车的队形形成、保持、变换及路径规划等多功能控制。这种系统利用远程计算机对群体机器人进行集中控制，确保其在复杂环境中顺利完成任务。

2、路径规划的基本理念是根据无人车传感器感知到的环境信息，规划出一条从初始位置到目标位置的无碰撞运动轨迹。根据环境信息的获取程度，路径规划可分为全局路径规划和局部路径规划。全局路径规划主要在已知环境中制定最优路径，而局部路径规划则是根据实时环境信息动态调整路径，以有效避开障碍物。

3、尽管在无人车编队控制和路径规划方面已经取得了显著进展，现有技术依然面临以下主要问题：（1）算法智能化不足，当前大多数路径规划算法仍依赖传统方法，缺乏智能化的特点，无法充分利用人工智能的优势，智能算法的应用能够提升算法的容错率、自主性及搜索效果，但这也对计算硬件提出了更高本文档来自技高网...

【技术保护点】

1.一种基于AI的多车驾驶控制方法，其特征在于，包括：

2.根据权利要求1所述的基于AI的多车驾驶控制方法，其特征在于，所述对于车队建立双向通讯拓扑结构，采集所述车队中每辆车的状态信息包括：

3.根据权利要求1所述的基于AI的多车驾驶控制方法，其特征在于，所述采用线性叠加策略，对所述车队中的每辆车进行速度与位置的协调控制包括：

4.根据权利要求1所述的基于AI的多车驾驶控制方法，其特征在于，所述采用分布式控制策略，进行每辆车之间的协作避撞控制包括：

5.根据权利要求4所述的基于AI的多车驾驶控制方法，其特征在于，所述高风险区紧急避撞策略包括...

【技术特征摘要】

1.一种基于ai的多车驾驶控制方法，其特征在于，包括：

2.根据权利要求1所述的基于ai的多车驾驶控制方法，其特征在于，所述对于车队建立双向通讯拓扑结构，采集所述车队中每辆车的状态信息包括：

3.根据权利要求1所述的基于ai的多车驾驶控制方法，其特征在于，所述采用线性叠加策略，对所述车队中的每辆车进行速度与位置的协调控制包括：

4.根据权利要求1所述的基于ai的多车驾驶控制方法，其特征在于，所述采用分布式控制策略，进行每辆车之间的协作避撞控制包括：

5.根据权利要求4所述的基于ai的多车驾驶控制方法，其特征在于，所述高风险区紧急避撞策略包括：

【专利技术属性】
技术研发人员：罗剑，程斌，赵小帅，
申请(专利权)人：北京捷升通达信息技术有限公司，
类型：发明
国别省市：