Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 东南大学李超然获国家专利权

东南大学李超然获国家专利权

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!

龙图腾网获悉东南大学申请的专利一种硬路肩行驶与可变限速协同控制方法及系统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:CN119672981B

龙图腾网通过国家知识产权局官网在2025-09-19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:202411868524.2,技术领域涉及:G08G1/0967;该发明授权一种硬路肩行驶与可变限速协同控制方法及系统是由李超然;杨敏;彭瑞;张人杰设计研发完成,并于2024-12-18向国家知识产权局提交的专利申请。

一种硬路肩行驶与可变限速协同控制方法及系统在说明书摘要公布了:本发明涉及智能交通系统技术领域,公开了一种硬路肩行驶与可变限速协同控制方法及系统,该方法包括采集交通数据,所述交通数据包括交通信息和限速值;根据网联自动驾驶汽车的借硬路肩车道行驶动机、借道安全条件、应急或救援车辆需求,判断网联自动驾驶汽车能否借硬路肩车道行驶;将采集到的交通数据输入预先构建的DDPG算法中,以确定DDPG算法的状态、动作空间以及奖励函数,输出最优限速值;通过DDPG算法生成控制路段每条车道的最优限速值,网联自动驾驶汽车根据最优限速值调整车速。本发明可用于拥堵严重的高速公路入口匝道路段,能够降低路网平均行程时间与二氧化碳排放量,为我国智慧高速公路高效低碳目标提供了新的方法。

本发明授权一种硬路肩行驶与可变限速协同控制方法及系统在权利要求书中公布了:1.一种硬路肩行驶与可变限速协同控制方法,其特征在于,包括以下步骤: 采集交通数据,所述交通数据包括交通信息和限速值;所述交通信息包括入口匝道路段交通量、控制路段与瓶颈路段的占有率、瓶颈路段所有车辆的平均速度、二氧化碳排放量以及网联自动驾驶汽车的位置、速度以及加速度;所述限速值包括控制路段限速值; 根据网联自动驾驶汽车的借硬路肩车道行驶动机、借道安全条件、应急或救援车辆需求,判断网联自动驾驶汽车能否借硬路肩车道行驶; 将采集到的交通数据输入预先构建的DDPG算法中,以确定DDPG算法的状态、动作空间以及奖励函数,输出最优限速值;构建经验回放池,将采集到的交通信息、限速值存入经验回放池; 将能够借硬路肩车道行驶的结果与DDPG算法结合,得到所述硬路肩行驶与可变限速协同控制方法,通过DDPG算法生成控制路段每条车道的最优限速值,网联自动驾驶汽车根据最优限速值调整车速; 确定DDPG算法的状态、动作空间以及奖励函数的具体方法为: 构建DDPG算法的价值网络与策略网络,所述策略网络的输入层基于状态,输出层基于动作,策略网络参数为;所述价值网络的输入层基于状态和动作,价值网络参数为; 利用检测器采集控制路段与瓶颈路段的占有率,记为状态; 利用检测器采集得到瓶颈路段的平均速度,记为第一奖励;利用检测器采集得到路网的二氧化碳排放量,记为第二奖励;根据奖励权重系数和标准化系数计算总奖励,则奖励函数为: ; 将DDPG算法生成的连续动作空间通过映射的方法转化为离散动作空间; 建立经验回放池,在每一时间步t,收集到状态、动作、奖励与下一时刻状态,记为一条经验,并将其储存到经验回放池中;在经验回放池中每个经验样本的序列与TD误差绝对值呈负相关关系,其中表示自经验回放池中抽出的第个经验样本; 当经验回放池中的经验超过最小训练容量要求时,在经验回放池中抽样用于训练,第个经验样本被抽取到的概率; 将能够借硬路肩车道行驶的结果与DDPG算法结合,得到所述硬路肩行驶与可变限速协同控制方法,利用采集的交通数据优化DDPG算法的价值网络和策略网络参数,生成最优限速值,具体方法为: 初始化策略网络参数与价值网络参数,得到初始化目标策略网络参数与目标价值网络参数,初始化经验回放池; 创建DDPG算法训练的迭代循环,每轮循环包含M个时间步; 可变限速智能体获得状态; 策略网络根据状态生成动作;其中为策略函数,在生成动作时添加服从正态分布的噪声,即; 设置控制路段的限速值,并获得奖励与下一时刻状态; 将经验存储到经验回放池中; 如果达到经验回放池的最小训练容量,利用优先经验回放方法抽取W个经验样本用于训练,每个经验样本被抽取到的概率,代表经验样本在经验回放池中序列;表示自经验回放池中抽出的第个经验样本; 利用价值网络计算第个经验样本的动作价值,并预测下一时刻的第个经验样本的动作价值,其中表示第个经验样本的状态,表示第个经验样本的动作;表示第个经验样本的下一时刻; 计算第个经验样本的TD误差,其中,表示折扣系数;表示第个经验样本的奖励; 更新价值网络参数: ; 其中,为样本数量,; 更新策略网络参数,其中策略网络梯度计算方法如下: ; 根据TD误差更新经验被抽取到的概率,TD误差绝对值与样本序列呈负相关关系; 更新目标价值网络参数,更新目标策略网络参数;其中,表示软更新参数; 通过策略网络生成控制路段每条车道的最优限速值,经由交通控制中心发送至路侧单元,网联自动驾驶汽车根据路侧单元发来的最优限速值调整车速,人工驾驶汽车驾驶员根据最优限速值调整车速。

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东南大学,其通讯地址为:210096 江苏省南京市玄武区四牌楼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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。