【技术实现步骤摘要】
本专利技术涉及车辆协同交互控制，尤其涉及混合交通场景下智能网联车社交协同交互控制方法及系统。
技术介绍
1、当前智能网联汽车（cav，connected and autonomous vehicle）与人工驾驶车辆（hdv，human-driven vehicle）共存的混合交通环境中，现有交互控制策略存在显著局限性：传统方法采用单向适应模式，即cav仅被动适应hdv行为，却忽视了hdv对cav的动态响应能力，导致双方协同效果不足；同时，现有方案多依赖固定的社会价值取向（svo，socialvalue orientation）决策，无法根据交通流量、渗透率或驾驶风格动态调整，难以平衡安全性、效率性和舒适性的实时需求；此外，现有hdv行为建模过于简化，未能准确捕捉人类驾驶员的个性化特征和社会偏好，导致交互不确定性增加和交通流波动。这些问题共同形成"cav单向适应、hdv响应未被建模、固定svo无法优化"的恶性循环，最终限制了混合交通系统的整体性能。本专利技术通过动态svo使能的双层闭环交互控制框架，实现cav与hdv的双向深度协同，从而突
【技术保护点】
1.混合交通场景下智能网联车社交协同交互控制方法，其特征在于，包括：
2.根据权利要求1所述的混合交通场景下智能网联车社交协同交互控制方法，其特征在于，所述将所有类型数据基于车距数据进行融合，获得空间特征向量，包括：
3.根据权利要求1所述的混合交通场景下智能网联车社交协同交互控制方法，其特征在于，所述获取车辆的速度趋势、加速度模式、换道意图和车头时距变化的四类时序特征，通过所述时序特征，获得时序特征向量，包括：
4.根据权利要求1所述的混合交通场景下智能网联车社交协同交互控制方法，其特征在于，所述通过空间特征向量和时序特征向量，获...
【技术特征摘要】
1.混合交通场景下智能网联车社交协同交互控制方法，其特征在于，包括：
2.根据权利要求1所述的混合交通场景下智能网联车社交协同交互控制方法，其特征在于，所述将所有类型数据基于车距数据进行融合，获得空间特征向量，包括：
3.根据权利要求1所述的混合交通场景下智能网联车社交协同交互控制方法，其特征在于，所述获取车辆的速度趋势、加速度模式、换道意图和车头时距变化的四类时序特征，通过所述时序特征，获得时序特征向量，包括：
4.根据权利要求1所述的混合交通场景下智能网联车社交协同交互控制方法，其特征在于，所述通过空间特征向量和时序特征向量，获得综合特征向量，包括：
5.根据权利要求1所述的混合交通场景下智能网联车社交协同交互控制方法，其特征在于，所述根据综合特征向量进行线性组合，获得奖励函数；根据奖励函数通过逆强化学习，获得最佳权重向量；通过最佳权重向量来估计hdv的svo角度值，获得cav的svo角度估计值，包括：
6.根据权...
【专利技术属性】
技术研发人员：李长乐，张晨阳，岳文伟，武显辉，蔡泽园，
申请(专利权)人：西安电子科技大学，
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。