[发明专利]一种面向跨海大桥路况的自动驾驶决策方法

权利要求书

1.一种面向跨海大桥路况的自动驾驶决策方法，其特征在于，包括：

获取当前车辆通过跨海大桥的环境状态信息，基于预先训练的自动驾驶模型确定当前的车辆动作；

所述自动驾驶模型包括元学习网络、Actor网络和Critic网络，所述自动驾驶模型基于以下步骤训练获得：

获取车辆通过跨海大桥的环境状态信息；

基于元学习网络确定Actor网络和Critic网络的网络参数；

将环境状态信息输入Actor网络，得到Actor网络基于决策策略的决策车辆动作；

根据预定奖励函数，获取对于决策策略的奖励；

Critic网络根据环境状态信息和决策车辆动作，对所述决策策略进行评价；

Actor网络根据所述评价的结果，更新所述决策策略；

Critic网络根据所述奖励，更新对所述决策策略进行评价的评价策略；

其中，所述预定奖励函数为：

其中，为轨迹误差奖励，为轨迹误差变化率奖励，为航向角度误差奖励，为航向角度误差变化率奖励，和分别为车辆与参考轨迹的侧滑移角差和变化率奖励，r_δ为方向盘转角奖励，e_Θ和分别为车辆侧倾误差和侧倾误差变化率，分别为其下标参数的权重，K为方向盘转角权重，y是实际轨迹，y_r是标准轨迹；θ是实际侧倾角度，θ_ref是参考侧倾角度。

2.根据权利要求1的方法，其特征在于，所述环境状态信息包括：道路周围交通状态、车辆状态、车辆周围障碍物状态信息、车辆与道路环境状态、路面的滑移率、附着系数、桥面振动角度中的一种或多种。

3.根据权利要求1的方法，其特征在于，所述车辆动作的动作空间包括转向角、油门和制动动作中的一种或多种。

4.根据权利要求1的方法，其特征在于，获取车辆通过跨海大桥的环境状态信息，包括，通过经验回放获取车辆通过跨海大桥的环境状态信息。

5.根据权利要求1所述的方法，其特征在于，所述Critic网络包括值网络和3个Q网络，

所述对所述决策策略进行评价，包括，根据所述值网络和3个Q网络的输出值，分别获取3个Q值，根据3个Q值中的最低值，确定对所述决策策略进行评价的评价结果。

6.根据权利要求1所述的方法，其特征在于，所述Actor网络包括输入层、隐藏层、输出层，Actor网络输出的决策车辆动作为由转向角和油门动作组成的矢量，分别对应Actor网络输出层的2个输出神经元，其中，对应油门动作的输出神经元的激活函数是Sigmoid函数，对应转向角动作的神经元的激活函数为Tanh函数；所述隐藏层包括三层子隐藏层，其中，第一子隐藏层包括200个神经元，第二子隐藏层包括400个神经元，第三子隐藏层包括采用200个神经元，隐藏层神经元的激活函数为ReLu函数。

7.根据权利要求1所述的方法，其特征在于，所述基于元学习网络确定Actor网络和Critic网络的网络参数，包括，基于元学习网络确定多个任务下的Actor网络和Critic网络的网络参数；

所述将环境状态信息输入Actor网络，得到决策车辆动作，包括，将环境状态信息输入Actor网络，得到多个任务下的决策车辆动作。

8.根据权利要求7所述的方法，其特征在于，所述多个任务包括，车道保持、换道、巡航行驶、超车中的一种或多种。

9.根据权利要求1所述的方法，其特征在于，通过跨海大桥的车辆为多辆，所述方法还包括；

将所述多个车辆分别设定为移动边缘计算节点，在所述多个车辆中分别架构元学习模型、actor网络和critic网络，通过车车通信技术进行各元学习模型、actor网络和critic网络中的参数共享，并基于共享的参数，进行各元学习模型、actor网络和critic网络的训练。