一种复杂度学习驱动的无人电卡集疏运路径优化方法

本发明提供一种复杂度学习驱动的无人电卡集疏运路径优化方法，包括：综合考虑静态道路属性、动态交通流、天气因素以及车流和路网交互特征，根据n个道路场景样本构架自然驾驶数据集；采用独立性权重法MCC计算道路场景样本各个特征的客观权重，表征不同特征对复杂度贡献的差异；利用逼近理想解法TOPSIS对道路场景样本发复杂度进行量化评分；搭建神经网络模型自适应学习道路场景样本的内在规律，估计动态不确定场景的复杂度；利用自然驾驶数据集对神经网络模型进行训练；引入ODD边界和车辆续航约束，构建复杂约束车辆路径优化模型，实现路径优化。