一种基于改进深度学习的自动驾驶换道轨迹规划方法

    公开(公告)号:CN113033902B

    公开(公告)日:2024-03-19

    申请号:CN202110349255.9

    申请日:2021-03-31

    摘要: 本发明涉及车辆智能驾驶技术领域,具体涉及一种基于改进深度学习的自动驾驶换道轨迹规划方法,包括:S1、构建数学模型:根据针对的问题和已有的数据训练若干个LSTM神经网络,将这些神经网络以替换的方式对经典的BP神经网络中的激活函数进行替换,包括前向传播过程和反向传播过程;S2、规划最优轨迹:利用多项式曲线来模拟车辆换道过程中的行驶轨迹,得到最优轨迹曲线;S3、执行避障算法:在经典Gipps模型的基础上加入车身长度进行改进,作为最优轨迹曲线的约束条件,求解得到最小安全距离和最大安全速度。本发明能够确保换道车辆能够对突发情况做出反应,保障了车辆换道过程的安全性,解决了现有技术安全性不足的技术问题。

    基于车路协同的车辆协作汇入通行优化模型及其方法

    公开(公告)号:CN118629205A

    公开(公告)日:2024-09-10

    申请号:CN202410699925.3

    申请日:2024-05-31

    IPC分类号: G08G1/01

    摘要: 本发明涉及智能驾驶技术领域,公开了一种基于车路协同的车辆协作汇入通行优化模型及其方法,包括以下步骤:步骤1,判断当前汇入场景的二阶段通信能力,并确定汇入场景中具有协同行驶能力的车辆;步骤2,当最大等待时间未超过时间阈值时,则引导汇入车辆等待或通行;当最大等待时间超过时间阈值时,则引导主干路车辆进行同向车道变道;步骤3,当车流量未超过拥堵阈值时,则进行主干路车辆中处于最内侧车道的车辆与汇入车辆的协作汇入引导;当车流量超过拥堵阈值时,则进行主干路车辆中同向车道的变道引导。本发明能够充分利用V2X二阶段通信功能,引导完成匝道车辆的高效、安全汇入,有助于缓解匝道拥堵问题、提高汇入效率、降低汇入风险。

    一种车联网环境下自动驾驶车辆上匝道轨迹规划模型

    公开(公告)号:CN114132341B

    公开(公告)日:2023-09-26

    申请号:CN202111341114.9

    申请日:2021-11-12

    IPC分类号: B60W60/00 B60W30/18 B60W50/00

    摘要: 本发明属于自动驾驶技术领域,具体涉及一种车联网环境下自动驾驶车辆上匝道轨迹规划模型,装载在自动驾驶车辆上,模型的工作过程包括:步骤一,判断是否驶入匝道,若是则转到步骤二;步骤二,在预设步长时间内,采集主线车道上预测范围内的车辆数据,车辆数据包括车辆间隙;步骤三,对主线车道上的车辆间隙进行筛选,得到可汇入间隙;步骤四,对各可汇入间隙分别进行轨迹规划,得到对应的行驶轨迹;步骤五,按照预设的规则,从各行驶轨迹中挑选出当前最优行驶轨迹;步骤六,按照当前最优行驶轨迹进行驾驶,并返回步骤二。本申请可以让汇入车辆高效、准确、安全的汇入主线车道。