基于深度强化学习人机共驾转向权重系数预测分配方法

专利主权项内容

1.基于深度强化学习人机共驾转向权重系数预测分配方法，利用识别设备获取路况信息及驾驶员信息, 其特征在于：预测分配方法包括以下步骤：S1：根据路况信息，利用五次多项式，通过规划模块得到未来t秒内的时序性规划转向预测数据；S2：建立LSTM深度神经网络，通过大数据对神经网络进行训练，再根据驾驶员信息，得到未来t秒内时序性驾驶员转向预测数据；S3：建立DDPG深度强化学习网络，设置DDPG智能体初始策略，得到未来t秒内时序性转向权重系数预测数据，将其输入至人机共驾权重分配模块得到未来t秒内时序性转向数据，并将其输入至仿真模块，通过预设奖励评估函数进行评估，更新DDPG智能体初始策略，最终得到最优转向权重分配系数未来t时间段内的时序性数据作为最优策略；S4：结合S1、S2、S3的输出数据，通过最优转向模块，得到未来t秒内每个时刻的最优转向动作；风险评估模块结合当前路况信息计算得到最优转向动作风险值；S5：动作决策模块根据风险评估模块得到的风险评估值进行决策，若风险值符合预设安全条件，动作决策模块则将最优转向动作输入至人机共驾车辆；若不符合预设安全条件，动作决策模块则将执行预设制动动作，保证车辆安全性。