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！

龙图腾网获悉南京林业大学申请的专利基于双学习网络的无信号灯交叉口自动驾驶车辆精细化路径调度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：CN115713854B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202211099660.0，技术领域涉及：G08G1/01；该发明授权基于双学习网络的无信号灯交叉口自动驾驶车辆精细化路径调度方法是由孙宁;吴伟豪;肖广兵;张涌设计研发完成，并于2022-09-09向国家知识产权局提交的专利申请。

本基于双学习网络的无信号灯交叉口自动驾驶车辆精细化路径调度方法在说明书摘要公布了：本发明公开了一种基于双学习网络的无信号灯交叉口自动驾驶车辆精细化路径调度方法。它以自动驾驶车辆为研究对象，对无信号交叉路口进行网格离散化处理，依据路径规划算法获取路径学习数据集。基于该数据集，通过CNN网络构建粗颗粒度的快速路径调度决策模型，对自动驾驶车辆在无信号交叉口的实时路径进行快速决策调度。为实现自动驾驶车辆的精细化路径调度，在粗颗粒度快度路径调度决策模型的基础上，增加了DQN强化学习网络来计算模型决策行为的评价值，构建了奖励函数以及使用自适应学习率来提高模型预测的准确率，平衡自动驾驶车辆在无信号交叉口中路径规划调度的实时性和精准性。本发明能够提升自动驾驶车辆在通过无信号灯交叉路口时的通行效率。

本发明授权基于双学习网络的无信号灯交叉口自动驾驶车辆精细化路径调度方法在权利要求书中公布了：1.基于双学习网络的无信号灯交叉口自动驾驶车辆精细化路径调度方法，其特征在于：包括： 1、定义交叉路口内部矩形区域为冲突区域，不同方向进入交叉路口的车道区域为缓冲区域，将冲突区域进行网格化，每个网格仅能同时容纳一个自动驾驶车辆，规定自动驾驶车辆的起点与终点，获取在无信号灯交叉路口下的每个自动驾驶车辆的初始路径； 2、选取无信号灯交叉路口下的一个自动驾驶车辆为目标车辆，选择其中一条初始路径作为该目标车辆的路径，根据目标车辆驾驶过程中的实际情况修改并更新目标车辆的路径，得到目标车辆的新路径；其中目标车辆每经历一个时刻能单跳一个网格； 3、将无信号灯交叉路口下的所有自动驾驶车辆依次作为目标车辆，并按照步骤2的方法获取无信号灯交叉路口下的目标车辆的新路径； 4、对目标车辆的新路径中每一时刻的环境状态进行编码，得到每一时刻的环境状态对应的特征数据； 5、在目标车辆的新路径中，目标车辆在时刻的环境状态对应的特征数据称作目标车辆在时刻的状态，目标车辆在时刻做出的动作称作目标车辆在时刻的动作，其中为的标签值； 6、将多组状态和与状态对应的标签值作为CNN快速决策网络的路径学习数据集，对CNN快速决策网络进行训练，得到训练好的快速路径调度决策模型； 7、初始化DQN网络,DQN网络包括当前Q网络、目标Q网络和经验池，其中，表示目标车辆在时刻的状态，表示目标车辆在时刻做出的动作，表示当前Q网络参数，表示目标车辆在时刻的状态，表示目标车辆在时刻做出的动作，表示目标Q网络参数；DQN网络采用自适应学习率； 8、设置贪婪值； 9、将目标车辆在时刻的状态发送给快速路径调度决策模型，输出动作的概率分布，选取其中概率值最高的动作作为其候选动作，该候选动作的概率值记为；目标车辆在时刻的状态发送给当前Q网络，输出所有合法动作的Q值，选取其中Q值最高的动作作为其候选动作,该候选动作的Q值记为； 10、随机数小于贪婪值时，在所有合法动作中随机选择一个动作作为当前时刻做出的动作，随机数大于贪婪值时，则从与中选择值最高的动作作为当前时刻做出的动作； 11、执行动作，得到奖励和下一时刻的状态 12、将整合成经验，存入经验池中； 13、经验池将时刻的输入给当前Q网络输入给目标Q网络，将奖励值输入给损失函数，计算出损失函数值，根据损失函数值进行随机梯度下降，更新当前Q网络参数 14、经过C轮训练后，更新目标Q网络参数，当损失函数得出的值收敛于0时，得到最优Q网络； 15、将待预测的车辆在当前时刻的状态输入至最优Q网络，得到当前时刻需做出的动作； 所述的步骤2中，根据目标车辆驾驶过程中的实际情况修改并更新目标车辆的路径，得到目标车辆的新路径，具体为： 2.1、选择其中一条初始路径作为目标车辆的路径，该初始路径记为，包含目标车辆不同时刻的路径坐标点，在目标车辆在行驶过程中，以目标车辆为中心规定警示区域，所述警示区域包括内层警示区域和外层警示区域，目标车辆单跳区域为内层警示区域，目标车辆两跳区域为外层警示区域； 2.2、以目标车辆在时刻的路径坐标点为中心，若在时刻检测到外层警示区域内有其余车辆，则提取车辆中在时刻的路径坐标点，并将提取的路径坐标点更新为目标车辆在时刻的障碍点； 2.3、若在时刻检测到内层警示区域内有其余车辆，则提取车辆中在时刻的路径坐标点和时刻的路径坐标点，并将提取的两个路径坐标点共同更新为目标车辆在时刻的障碍点； 2.4、将外层警示区域与原初始路径的交点更新为局部终点，然后目标车辆调用A-star算法并计算出目标车辆从时刻的路径坐标点行驶至局部终点的局部路径，再将局部路径更新至中； 2.5、按照步骤2.2至步骤2.4的方法遍历完目标车辆路径中的所有时刻的路径坐标点后结束该轮次，得到目标车辆的新路径； 其中为车辆的初始路径。

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南京林业大学，其通讯地址为：210037 江苏省南京市龙蟠路159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”。

以上内容由龙图腾AI智能生成。