摘要
本申请属于行人路径规划领域,具体公开了一种基于多维偏好驱动的行人路径规划方法,包括:获取并根据用户历史轨迹与实时环境数据,提供多维偏好驱动行人出行模型计算动态行人偏好权重;多维偏好驱动行人出行模型通过LSTM模型进行行人群体划分,通过POI及OD点语义定义行人出行目的,同时结合动静态环境偏好建模构建;根据动态行人偏好权重,重塑奖励函数;通过双经验池机制和自适应训练机制优化深度Q网络模型;采用优化后的深度Q网络模型,在动静态环境中进行路径规划,输出满足用户动态偏好的最优路径。本申请通过深度融合行人的动态偏好建模与算法性能优化机制,能为动态环境中的各类行人提供高效且高度个性化的路径规划解决方案。
技术关键词
行人路径规划方法
深度Q网络
动态行人
LSTM模型
环境修正方法
出行场景
示教数据
机制
Softmax函数
轨迹
语义特征
动静态
在线
偏好特征
生成智能
处理器
时序特征
系统为您推荐了相关专利信息
图形处理单元
性能测试方法
资源配置信息
深度Q网络
决策
XGBoost模型
浓度预测方法
LSTM模型
分类方法
样本
动态故障分析
故障演化趋势
动态故障树
修复方法
Stackelberg博弈理论
红外焦平面阵列
LSTM模型
姿态估计方法
分块
姿态角估计