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！

龙图腾网获悉合肥工业大学申请的专利基于深度强化学习的自动驾驶横纵向一体化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：CN116476863B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310332965.X，技术领域涉及：B60W60/00；该发明授权基于深度强化学习的自动驾驶横纵向一体化决策方法是由任明仑;汪娟;周俊杰;吴淑慧;朱倩倩设计研发完成，并于2023-03-30向国家知识产权局提交的专利申请。

本基于深度强化学习的自动驾驶横纵向一体化决策方法在说明书摘要公布了：本发明提供一种基于深度强化学习的自动驾驶横纵向一体化决策方法、系统、存储介质和电子设备，涉及自动驾驶技术领域。本发明包括实时采集自动驾驶车辆及周围环境状态；将当前的自动驾驶车辆及周围环境状态作为所述深度学习模型的输入，获取动作空间；根据所述强化学习决策模型，以最大化期望奖励为目标，选择并执行评价最高的动作；重复执行前述步骤，直至到达目标点。通过收集并处理大量的驾驶数据，自动学习和优化智能决策网络，能够快速地适应各种驾驶场景和任务，而不需要重新训练模型，从而提高了决策的准确性和稳定性，并为实现自动驾驶技术的商业化应用打下坚实的基础。

本发明授权基于深度强化学习的自动驾驶横纵向一体化决策方法在权利要求书中公布了：1.一种基于深度强化学习的自动驾驶横纵向一体化决策方法，其特征在于，预先训练好智能决策网络，所述智能决策网络包括深度学习模型和强化学习决策模型；该方法包括： S1、实时采集自动驾驶车辆及周围环境状态； S2、将当前的自动驾驶车辆及周围环境状态作为所述深度学习模型的输入，获取动作空间； S3、根据所述强化学习决策模型，以最大化期望奖励为目标，选择并执行评价最高的动作； S4、重复执行S1～S3，直至到达目标点； 所述S1中的自动驾驶车辆及周围环境状态包括： 其中，st表示t时刻的自动驾驶车辆及周围环境状态；表示t时刻的自车状态，包含t时刻的自车速度自车位置表示t时刻的目标状态，采用t时刻的目标位置pt goal表示；表示t时刻的其他车辆状态；表示其他车辆状态； 所述其他车辆状态由传感器实时获取，采用栅格占据地图表征； 其中，所述栅格占据地图具体是指： 对自车周边12m×120m的区域采用一个7×40的二值矩阵表征其被占据情况； 栅格占据地图定义在Frenet坐标系下，采用变量s表征车辆沿道路方向的前后位置，采用变量d表征车辆在道路上的左右位置； 沿着s轴，将自车前方100m、后方20m的区域作为采样区；沿着d轴将自车左右6m区域作为采样区； 采用Actor-Critic方法训练所述强化学习决策模型； 其中，策略网络πa|s；θ用于基于t时刻的状态输入信息st，经过所述深度学习模型运算输出动作空间at，所述强化学习决策模型根据当前决策策略π选择最优动作价值网络qs,a；ω用于评价在状态st的情况下作出动作的好坏程度； 执行动作后自动驾驶车辆形成新状态st+1，并得到环境的反馈奖励rt；所述强化学习决策模型根据奖励函数rt，持续最大化奖励，学习最优决策策略π*； 所述奖励函数rt具体是指： 其中，distt表示t时刻的自车位置与目标位置pt goal之间的距离；代表t时刻的自车的x坐标，代表t时刻的目标点的x坐标，代表t时刻的自车的y坐标，代表t时刻的目标点的y坐标； 表示t时刻的自车速度

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合肥工业大学，其通讯地址为：230009 安徽省合肥市屯溪路193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。