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！

龙图腾网获悉重庆邮电大学申请的专利混合交通中面向高速公路交织区的智能网联车辆协同决策与控制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：CN119007439B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202411106604.4，技术领域涉及：G08G1/01；该发明授权混合交通中面向高速公路交织区的智能网联车辆协同决策与控制方法是由李永福;朱永薪;黄鑫设计研发完成，并于2024-08-13向国家知识产权局提交的专利申请。

本混合交通中面向高速公路交织区的智能网联车辆协同决策与控制方法在说明书摘要公布了：本发明涉及一种混合交通中面向高速公路交织区的智能网联车辆协同决策与控制方法，属于智能网联汽车领域。该方法首先基于高精地图数据信息以及道路路权信息，在交织区固定几何参考系下，形成宏观与微观统一的混行交通行车规则。在此基础上，建立主从博弈模型，结合粒子群优化方法生成符合交通规则的单车多车决策结果。车端分别建立单车输入状态多车输入状态以及相对应的约束条件，根据决策结果由基于强化学习的车辆控制器输出对应的方向盘转角和车辆纵向加速度到车辆底层进行执行，进而实现高速公路交织区智能网联车辆的决策与控制。本发明确保了混行交通中高速公路交织区的安全性、稳定性和高效性。

本发明授权混合交通中面向高速公路交织区的智能网联车辆协同决策与控制方法在权利要求书中公布了：1.一种混合交通中面向高速公路交织区的智能网联车辆协同决策与控制方法，其特征在于：基于高精地图的道路坐标系，在高精地图的数据信息上融合路权信息形成路权规则，对道路上的行驶车辆分配优先级； 在高精地图的道路坐标系下，对每辆车的行驶状态进行参数化表达，建立每辆车对其周围的安全边界规则和行为目标规则； 在云端建立主从博弈模型，结合粒子群优化算法生成符合路权规则、安全边界规则以及行为目标规则的车辆决策结果，云端通过V2X设备发送决策结果给车端； 车端将车辆行驶过程建模为马尔科夫决策过程，车辆控制器根据决策结果输出对应的方向盘转角和车辆纵向加速度到车辆底层进行执行，进而实现高速公路交织区智能网联车辆的决策与控制； 其中，建立所述主从博弈模型包括： 1划分车群控制粒度，分为单个智能网联车辆和由多个智能网联车辆组成的车队； 2定义领导者和跟随者，所述领导者的路权相对较高，所述跟随者的路权相对较低； 3令Al和Af分别表示领导者和跟随者所对应的决策集合，令Rlal,af和Rfal,af分别表示领导者和跟随者的收益，令γl和γf分别表示领导者和跟随者的决策；则所述领导者的决策表示为： 式中，al和af分别表示领导者和跟随者的决策，a′f表示跟随者的理性决策，A′f表示跟随者的理性决策集合，Q′al表示最小奖励； 所述跟随者的决策表示为： 式中，Qfaf表示最小奖励； 车端将车辆行驶过程建模为马尔科夫决策过程包括： 当车群控制粒度为单个智能网联车辆时，在马尔科夫决策模型中，车辆状态设计为： 式中，vh表示车辆速度，x表示受控车辆的纵向位置，y表示受控车辆的横向位置，表示偏航角，即受控车辆航向与道路切线方向的夹角，Δxi和Δyi分别表示受控车辆相对于第i个人工驾驶车辆的纵向和横向相对位置，n表示受控车辆感知范围内的人工驾驶车辆数量； 动作设计为：at＝{ah,θh}，ah表示车辆加速度，θh表示方向盘转角； 约束条件设计包括避碰约束、车辆状态约束和道路规则约束；所述避碰约束表示为； Pr-gx,kTξk≤-dx,min≥p Pr-gy,kTξk≤-dy,min≥p 式中，p表示风险水平，代表了人工驾驶车辆随机性的考虑程度；dy,min表示受控车辆和感知范围内车辆的横向安全距离的集合，dx,min表示受控车辆和感知范围内车辆的纵向安全距离的集合，gx,k、gy,k为系统参数矩阵，ξk表示周围人工驾驶车辆的运动状态向量； 所述道路规则约束为车辆速度约束：vmin≤vh≤vmax，vmin和vmax分别表示路段允许行驶的最小速度和最大速度； 所述车辆状态约束表示为： θmin≤θh≤θmax amin≤ah≤amax 式中，θmin和θmax分别表示车辆的最小转角和最大转角，amin和amax分别表示车辆的最大加速度和最小加速度； 奖励函数设计为： J＝minw1J1+w2J2 s.t.:Pr-gx,kTξk≤-dx,min≥p Pr-gy,kTξk≤-dy,min≥p vmin≤vh≤vmax amin≤ah≤amax θmin≤θh≤θmax 式中，w1和w2表示比例系数，J1表示横纵向加速度波动，J2表示车轮转角变化消耗； 通过TD3算法求解所建立的马尔科夫决策模型，得到最优的输出动作at＝{ah,θh}，并输出到车辆底层进行执行； 当车群控制粒度为由多个智能网联车辆组成的车队时，在马尔科夫决策模型中，车队中车辆的状态设计为： 式中，和分别表示车队内部具有V2X通信连接的车辆与自身车辆之间的速度相对误差、纵向间距误差和横向间距误差，IL表示车辆驾驶意图； 车辆动作设计为：at＝{ah,θh}； 约束条件设计包括避碰约束、车辆状态约束、道路规则约束和车队内部避撞约束；所述避碰约束表示为； Pr-gx,kTξk≤-dx,min≥p Pr-gy,kTξk≤-dy,min≥p 所述道路规则约束为车辆速度约束：vmin≤vh≤vmax； 所述车辆状态约束表示为： θmin≤θh≤θmax amin≤ah≤amax 所述车队内避撞约束表示为： 式中，gmin表示安全横向间距，lwid表示车辆宽度，llen表示车辆长度，dmin表示安全纵向间距，hmin表示路段上最小跟车时距，vtra表示道路平均运行速度； 奖励函数设计为： J＝minw1J1+w2J2 s.t.:Pr-gx,kTξk≤-dx,min≥p Pr-gy,kTξk≤-dy,min≥p vmin≤vh≤vmax amin≤ah≤amax θmin≤θh≤θmax 通过TD3算法求解所建立的马尔科夫决策过程，得到最优的输出动作at＝{ah,θh}，并同步输出至车队中的所有车辆进行执行。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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”。