买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利一种基于嵌套图强化学习的网联车辆编队决策方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118082805B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410196471.8，技术领域涉及：B60W30/00；该发明授权一种基于嵌套图强化学习的网联车辆编队决策方法是由李雪原;高鑫;刘浩;胡铭靖设计研发完成，并于2024-02-22向国家知识产权局提交的专利申请。

本一种基于嵌套图强化学习的网联车辆编队决策方法在说明书摘要公布了：本发明公开了一种基于嵌套图强化学习的网联智能车辆编队决策方法，属于车联网和自动驾驶技术领域。方法包括：S1、采集编队内车辆状态信息，并对所述状态信息进行处理，得到编队间嵌套图以及车辆间嵌套图；S2、采用特征提取网络对所述编队间嵌套图以及所述车辆间嵌套图进行特征提取，基于提取的特征得到每辆智能车辆的动作；所述特征提取网络包括：图注意力层、全连接层以及激活层，并引入多头注意力机制提高特征提取能力；S3、对所述动作采用奖励函数进行优化，得到智能车辆决策方法。本发明能够在高动态、高复杂度、强随机性的高速公路环境中，实现高效通信下全集成化编队决策控制。

本发明授权一种基于嵌套图强化学习的网联车辆编队决策方法在权利要求书中公布了：1.一种基于嵌套图强化学习的网联智能车辆编队决策方法，其特征在于，包括以下步骤： S1、采集编队内车辆状态信息，并对所述状态信息进行处理，得到编队间嵌套图以及车辆间嵌套图； S2、采用特征提取网络对所述编队间嵌套图以及所述车辆间嵌套图进行特征提取，基于提取的特征得到每辆智能车辆的动作；所述特征提取网络包括：图注意力层、全连接层以及激活层，并引入多头注意力机制提高特征提取能力； S3、对所述动作采用奖励函数进行优化，得到智能车辆决策方法； 所述编队间嵌套图包括：编队间子图特征矩阵以及编队间子图邻接矩阵； 所述编队间子图特征矩阵包括： ， 式中，代表编队的数量；表示编队间子图特征矩阵；Ff为编队的特征数；VLi表示第i个编队领头车辆纵向速度；Yai表示第i个编队领头车辆纵向位置；Ybi表示第i个编队领头车辆纵向位置；表示第i个编队内的平均速度；表示第i个编队内平均加速度；Ti表示第i个编队领头车与前车相碰撞时间；Ii表示车辆分类； 所述编队间子图邻接矩阵基于编队间最大与最小距离与车道构建横向维度图构建； 所述编队间子图邻接矩阵的权重函数为： ， 式中，∆yij表示编队i领头车与编队j领头车之间沿车道的距离；Y为编队间距离阈值； 所述车辆间嵌套图包括：车辆间子图特征矩阵以及车辆间子图邻接矩阵； 所述车辆间子图特征矩阵包括： ， 式中，N代表车辆的数量；表示车辆间子图特征矩阵；Fv表示每辆车的特征数；Vi表示第i个车辆纵向速度；Yi示第i个车辆纵向位置，ΔVi表示第i个车辆与前车的相对速度；ΔYi表示第i个车辆与前车的相对纵向距离；表示第i个车辆的加速度；Tvi表示第i个车辆与前车相碰撞时间；Ivi表示车辆分类； 所述车辆间子图邻接矩阵基于车辆间距离与车辆间速度差值构建； 所述车辆间子图邻接矩阵的权重函数为： ， 式中，∆vij表示速度差值；∆dij表示车辆i与车辆j之间沿车道方向的距离；D表示车辆间距离阈值；V表示速度阈值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。