公开(公告)号：CN116884246A

公开(公告)日：2023-10-13

申请号：CN202310837394.5

申请日：2023-07-10

Applicant: 吉林大学

Inventor： 刘奇芳 ,  孙大朕 ,  陈浩文 ,  赵海艳 ,  于树友

IPC: G08G1/08 ,  G08G1/07 ,  G06F30/15 ,  G06F30/27 ,  G06F119/14

Abstract: 本发明适用于道路车辆自动驾驶控制技术领域，提供了一种基于近端策略优化的信号灯路口通行方法，包括以下步骤：搭建基于PPO算法的深度强化学习网络模型，采集的实时道路信息作为经济性信号灯路口通行模型的状态空间；步骤2、基于限制因素提出经济性信号灯路口通行奖励函数；步骤3、根据经济性信号灯路口通行模型生成的动作变量与环境进行实时交互，依据奖励函数对当前状态下被控车辆所采取的动作进行评价，并以此对深度强化学习中的策略参数进行优化，最终得到经济性信号灯路口通行策略。该方法不仅可以避免在路口处因红灯怠速行驶的情况，增加道路的通行效率，而且在整个行驶过程中的经济性驾驶行为可以进一步的降低车辆的能量消耗。

公开(公告)号：CN117193048A

公开(公告)日：2023-12-08

申请号：CN202311347489.5

申请日：2023-10-18

Applicant: 吉林大学

Inventor： 刘奇芳 ,  孙大朕 ,  陈浩文 ,  李东子 ,  杨翰宇

IPC: G05B17/02

Abstract: 本发明公开了一种考虑道路坡度影响的近端策略优化经济性跟车控制方法，包括：搭建近端策略优化网络模型；根据道路的坡度特征、跟车间距、两车速度等信息设计奖励函数；利用Carla/Python联合仿真平台对步骤一搭建的近端策略优化网络模型进行训练，在训练时，被控车辆在仿真环境中不断根据当前的PPO策略分布做出动作，与环境进行交互，依据步骤二设计的奖励函数对做出的动作进行评价；对网络模型的参数进行更新优化，直至达到预设的训练步数后输出训练的考虑坡度影响的经济性跟随驾驶策略。本发明设计融合VT‑Micro瞬时能耗估算模型的奖励函数，并综合坡度等道路信息设计状态空间，在满足可变安全距离的需求下，实现被控车辆的经济性跟随行驶。

公开(公告)号：CN117104224A

公开(公告)日：2023-11-24

申请号：CN202310523625.5

申请日：2023-05-10

Applicant: 吉林大学

Inventor： 陈浩文 ,  于洪萱 ,  孙大朕 ,  刘奇芳 ,  陈虹

IPC: B60W30/14 ,  B60W30/16

Abstract: 本发明适用于车辆控制技术领域，提供了一种适用于弯道巡航场景下的车辆横纵向优化控制方法，使用基于Frenet坐标系下的模型建立，控制效果优于传统的大地坐标系下的控制。本发明不仅使用LQR算法解决了弯道自适应巡航问题，还兼顾了舒适性指标以及工程运用中最重要的实时性指标。纵向控制在安全车距处理上更是在保持相对速度较小的情况下严格跟踪变化的安全车距，对保持车间相对速度和车间相对距离两种矛盾性指标进行妥善处理，在纵向控制上使用分层控制更是优于传统的直通式控制。

公开(公告)号：CN115935780A

公开(公告)日：2023-04-07

申请号：CN202211124098.2

申请日：2022-09-15

Applicant: 吉林大学

Inventor： 刘奇芳 ,  孙大朕 ,  靳英豪 ,  王金鹏 ,  王家林

IPC: G06F30/27 ,  G06N3/08 ,  G06F111/08

Abstract: 本发明适用于车辆节能运动规划领域，提供了基于深度强化学习的车辆节能运动规划模型，包括：感知模块，获取车辆自身的运动状态信息同时感知模块获取其他交通道路信息；决策模块，利用深度Q网络作为决策算法，将车辆行驶时的纵向性能、车辆行驶时的瞬时能耗和行驶安全性的因素作为奖励函数的设置依据；控制模块，将决策层的控制结果传入Carla中的车辆动力学模型中。基于深度强化学习的车辆节能运动规划方法，包括以下步骤：步骤（1）：初始化一个Action‑Value网络和一个Target Action‑Value网络；步骤（2）：在每一个训练回合中，Action‑Value网络首先利用算法以概率随机做一个动作进行探索。