摘要
本发明涉及一种车辆横纵向自主控制方法,所述方法包括:步骤1,构建高精度地图模型及全局坐标系;步骤2,在运营路线上收集预设数量的驾驶数据,构建强化学习数据集和高精度训练仿真环境;步骤3,在仿真环境中,车辆进行基于深度Q网络架构的学习训练;步骤4,学习训练完成后,车辆进入真实环境,进行数据修正,将修正后的数据继续用于训练,直至修正训练完成;步骤5,修正完成后,对车辆进行引导训练,更新环境反馈值;步骤6,引导训练完成后,对修正训练和引导训练中的横纵向控制进行评估,判断是否通过,若不通过,则转步骤2,若通过,则让车辆在指定运营路线上进行自主横纵向协同控制。
技术关键词
自主控制方法
自主控制系统
构建高精度地图
仿真环境
高精度地图模型
智能驾驶辅助系统
横摆角速度
驾驶员方向盘
控制执行器
函数式
电子制动系统
智能驾驶车辆
激光雷达传感器
加速度
规划
障碍物
深度Q网络
数据
系统为您推荐了相关专利信息
蒙特卡洛树搜索
多模态
轨迹
仿真环境
节点状态信息
储能电站系统
模型生成方法
深度强化学习算法
蓄电池组
仿真环境
强化学习策略
诱捕系统
遗传算法
仿真环境
数字孪生