[发明专利]自适应巡航决策系统、方法、计算机设备和计算机可读存储介质

说明书

一种自适应巡航决策系统、方法、计算机设备和计算机可读存储介质，系统包括：决策模型建立模块，用于建立网络决策模型，网络决策模型包括上层决策网络、底层执行网络、奖励函数；初始化模块，用于初始化环境参数，获取环境初始外部状态s_0meta、初始内部状态s_0controller；决策执行模块，用于根据外部状态参数S_imeta，选择初始子目标参数goal_i，初始化奖励参数r_imeta；判断子目标完成条件：本车与前车距离小于预设最小值或大于预设最大值，自车速度为0；若否，根据内部状态参数s_jcontroller，选择初始动作a_j，与环境交互，获得内部状态参数s_{j+1controller}，与环境交互输出奖励参数r_jcontroller，存储记忆{s_jcontroller,a_j,r_j,s_{j+1controller},goal_i}；r_imeta＝r_imeta+r_{j+1controller}；i从1开始循环到N，直至完成子目标结束；存储记忆{s_imeta,goal_i,r_imeta,s_i+1meta}。

技术领域

本发明涉及巡航决策技术领域，尤其是一种自适应巡航决策系统、方法、计算机设备和计算机可读存储介质。

背景技术

近年来，高科技技术蓬勃发展，驱动汽车由单纯交通运输工具逐步向智能移动空间转变的新一代汽车。智能驾驶的行为中，车道内自适应巡航行为是最基础的，负责从出发地点到目的地，给出合适的速度控制指令，由控制层执行，从而引导车辆的行驶。

智能车行驶过程中，为了向乘客提供舒适的驾驶体验，并使周围的驾驶员能够更好地理解本车的行为，自适应巡航算法的驾驶风格应接近人类驾驶员。

从现有的技术来看，自适应巡航控制算法主要分为基于规则的自适应巡航控制算法，仅有少数专利基于学习的自适应巡航控制算法，且算法设计考虑较简单。基于规则的自适应巡航系统的控制策略总是在固定的框架中，策略不能通过不同的驾驶员偏好和不同驾驶员的驾驶风格而改变，这降低了基于规则的自适应巡航控制算法的适应性和驾驶员接受程度。

在基于学习的自适应巡航控算法设计中，大部分研究者采用单层深度强化学习算法搭建自适应巡航算法，并使用专家估计法设计奖励函数，由于单层强化学习算法不符合人类“决策-执行”的行为模式，且专家估计法设计的奖励函数没有基于真实驾驶数据对奖励函数进行拟人化改进，因此基于这种方法很难进行拟人化的自适应巡航控制算法设计。

因此，对自适应巡航的行为进行合理算法设计，给出安全、舒适的驾乘感受具有重要的现实意义。

发明内容

发明目的：提供一种能够满足驾乘人员对智能驾驶车辆类人驾驶风格及拟人化体验需求的系统、方法、计算机设备和计算机可读存储介质。