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！

龙图腾网获悉电子科技大学长三角研究院(衢州)申请的专利基于协同感知和自适应信息融合的互联自动驾驶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：CN117922612B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202410097215.3，技术领域涉及：B60W60/00；该发明授权基于协同感知和自适应信息融合的互联自动驾驶决策方法是由余泉霖;夏宇阳;刘顺程;郑凯;曾凯;苏涵;连伟杰;胡锐设计研发完成，并于2024-01-24向国家知识产权局提交的专利申请。

本基于协同感知和自适应信息融合的互联自动驾驶决策方法在说明书摘要公布了：本发明公开了一种基于协同感知和自适应信息融合的互联自动驾驶决策方法，主要解决现有自动驾驶决策在复杂的道路结构和交通灯信息条件下适用性较低的问题。该方法考虑在世界坐标系统下的多车道交通环境，其中有互联自动驾驶车辆和人类驾驶车辆组成的混合交通流。每个CAV都可以通过车载传感器和离线高精度地图获得周围的多模态环境特征如车道信息、HDV车辆信息和红绿交通灯信息。在车对车通信的帮助下，CAV可以共享其信息，并在指定的时间步长t内做出决策。该方法的目标是为CAV生成速度决策和转向角度决策。有了这样的动作决策，自动驾驶车辆可以安全有效地按特定路线行驶，同时最大限度地提高乘客的舒适度以及减少其对周围HDV的影响。

本发明授权基于协同感知和自适应信息融合的互联自动驾驶决策方法在权利要求书中公布了：1.一种基于协同感知和自适应信息融合的互联自动驾驶决策方法，其特征在于，包括以下步骤： S1，通过车载GNSS和IMU传感器收集CAV的车辆动力学信息，并通过CAV的车载雷达检 测HDV的车辆动力学信息；其中，CAV为自动互联驾驶车辆，HDV为人类驾驶车辆； S2，精确定位CAV的位置和方向，并识别CAV附近的道路和交通灯，以获取CAV预设行驶路线的实时道路信息； S3，每辆CAV将其自身车辆动力学信息和感知到的HDV的车辆动力学信息分别传递 至一个MLP中，并将获得的结果编码加以拼接形成一个车辆编码；并使用图注意层来聚合 基于CAV通信链路矩阵M的CAV的车辆编码以获取CAV预设行驶路线的车流信息；其中，MLP表 示多层感知机； S4，采用多智能体强化学习算法MAPAC训练参数化的CAV动作结构得到最优行动策略，并采用随机高斯策略来提高算法的探索能力，从而实现CAV的动作决策；其中，多智能体强化学习算法MAPAC使用了强化学习中的演员评论家结构，其中演员网络来计算动作，评论家网络通过估计值函数来评估动作；并用随机高斯网络替换了原始的深度Q网络，随机高斯网络输出一个高斯分布，智能体从这个分布中采样形成参数化的连续动作；其中，使用多智能体强化学习算法MAPAC的模型训练过程中，智能体i的演员网络πi通过最小化以下目标来更新网络： 其中，经验缓冲区D用于存储所有互联智能体的状态和动作，表示评论家的网络参 数；λ为控制算法探索性能的正则化系数，分别表示智能体i在时间步t时的状态信 息和动作信息，表示智能体i带参数的演员网络； 互联智能体的状态和动作的组合集作为评论家网络的输入，网络随后输出智能体i在时间步t所采取动作的Q值； 评论家网络通过最小化如下的贝尔曼误差JQ来加以更新： 其中是奖励折扣因子，ri是t时间步的即时奖励；两个目标评论家网络、用于 稳定训练过程，在执行时，每个智能体都运行各自的演员网络和评论家网络的副本，即分布 式执行； 智能体i只需要获取观测到的交通环境信息并通过来自互联智能体的共享信息进行信息增强，然后基于融合的信息来计算最后的参数化动作；最后，选择Q值最大的动作作为实际执行的动作；互联网络中的所有CAV都遵循上述过程来产生它们各自的动作决策； S5，设置提高CAV的安全性、效率和舒适性的自我中心式奖励函数和减少对周围HDV的负面影响的社会影响奖励函数来优化CAV的动作决策。

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电子科技大学长三角研究院(衢州)，其通讯地址为：324000 浙江省衢州市柯城区芹江东路288号1幢18楼；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。