适于多维尺度的协同感知环境的动态路径诱导方法及系统

专利主权项内容

1.适于多维尺度的协同感知环境的动态路径诱导方法，其特征在于，包括：通过车载视觉传感器和雷达传感器采集车辆周围的数据，利用路侧基础设施采集路网的数据，进行数据融合，实现环境感知；对传输的数据进行处理，提取多目标特征值，更新路网上的模型参数，并依据融合特征信息进行时序交通流预测；建立多目标动态路径规划算法，计算出多目标最优路径集合，提供最优路径；所述环境感知包括车辆自身以及周围网联车辆搭载的传感器，将车辆自身周围的环境信息进行获取，通过高精度地图获取整体路网的结构信息；所述整体路网的结构信息包括路网中车道级路面信息和交叉口的路径信息和距离信息，建立交叉口节点集合以及路段集合/>，其中，n表示路网中交叉口，/>，/>表示节点b至节点c之间的有向线段，若两个节点之间不连接，则两者之间的距离为/>，节点集合与路段集合组成路网信息(N, M)，将数据运输至云平台；所述将数据运输至云平台包括将车辆周围的环境信息、路网上的实时交通流信息以及交通状况信息传输至车辆、路侧基站以及云平台，通过路侧基站、路侧设备RSU、DSRC或5G-V2X，进行与自身车辆、周围车辆以及云平台之间的直接通信；通过基于蝙蝠算法的小波神经网络进行短时交通流预测，小波神经网络中的小波基函数使用Morlet小波基函数表示为：
；其中，x表示输入层的输入，为隐含层节点j的输出值，隐含层的输出表示为：
；其中，为输入值，/>为隐含层第/>个神经元结点输出值，hj是小波基函数，/>为输入层节点/>与隐藏层节点/>的连接权重，/>为小波基函数平移因子，/>为小波基函数伸缩因子，神经网络输出层输出表示为：
；其中，为输出值，h(i)是隐含层节点的输出值，/>为输入层节点数，/>为隐含层节点/>与输出层节点的连接权重。