-
公开(公告)号：CN118306403B
公开(公告)日：2024-12-17
申请号：CN202410499805.9
申请日：2024-04-24
Applicant: 安徽大学
Abstract: 本发明提供一种考虑驾驶风格的车辆轨迹预测与行为决策方法和系统，涉及自动驾驶技术领域。所述方法包括：获取驾驶行为数据集，并进行数据处理，得到用于车辆轨迹预测的平衡化数据集，所述平衡化数据集中还包含基于驾驶风格分类器得到的驾驶风格向量标签；构建基于贝叶斯优化融合离散余弦变换注意力机制的长短时记忆网络，用于进行车辆轨迹预测；其中，利用所述平衡化数据集对长短时记忆网络进行训练和测试；结合多车道变道场景的安全因子、舒适因子、效率因子、增益因子，以及驾驶风格向量标签和车辆轨迹预测信息，采用深度学习模型实现车道变更行为决策。本发明可提高车辆行为决策的准确性、安全性和实时性。
-
公开(公告)号：CN118306403A
公开(公告)日：2024-07-09
申请号：CN202410499805.9
申请日：2024-04-24
Applicant: 安徽大学
Abstract: 本发明提供一种考虑驾驶风格的车辆轨迹预测与行为决策方法和系统，涉及自动驾驶技术领域。所述方法包括：获取驾驶行为数据集，并进行数据处理，得到用于车辆轨迹预测的平衡化数据集，所述平衡化数据集中还包含基于驾驶风格分类器得到的驾驶风格向量标签；构建基于贝叶斯优化融合离散余弦变换注意力机制的长短时记忆网络，用于进行车辆轨迹预测；其中，利用所述平衡化数据集对长短时记忆网络进行训练和测试；结合多车道变道场景的安全因子、舒适因子、效率因子、增益因子，以及驾驶风格向量标签和车辆轨迹预测信息，采用深度学习模型实现车道变更行为决策。本发明可提高车辆行为决策的准确性、安全性和实时性。
-
Search Results
2
records
(took 0.027 seconds)
