一种基于深度学习的自动驾驶换道轨迹规划方法

本发明涉及自动驾驶技术领域，公开了一种基于深度学习的自动驾驶换道轨迹规划方法，该方法通过多模态传感器数据采集与预处理；采用CNN‑LSTM混合架构对预处理后的多模态数据进行空间特征提取和时序建模，通过注意力机制进行特征融合，输出第一特征提取向量；将检测到的车辆作为图节点构建交通图，通过图注意力网络和消息传递机制学习车辆间的交互关系，并计算场景紧迫性得分和安全性得分；基于深度Q网络和策略梯度生成换道决策；基于生成对抗网络生成轨迹。解决了现有换道轨迹规划方法无法适应动态交通环境、缺乏对复杂多车交互理解能力以及难以平衡安全性与紧迫性冲突需求的技术问题，实现了智能化、安全性和高效性的自动驾驶换道轨迹规划。