自动驾驶场景中增强深度学习的时空特征提取方法

摘要：

自动驾驶是当下的热点研究方向,同时交通拥堵也是国内常年存在的社会问题.在未来,交通拥堵很大概率会出现在自动驾驶车辆和人为驾驶车辆共存的道路上.考虑到多种可能会影响自动驾驶的因素,在已有学说的基础上进行实验.为了提升整体交通的运行效率,在保证安全的情况下,所有自动驾驶车辆应当尽可能进行高速的行驶,以提升道路效率,从而解决交通拥堵的问题.通过使用二维平面表示道路,将二维信息堆叠形成三维数据以及混合神经网络结构的不同方法来解决这一问题,并利用深度神经网络从中提取出所需的时空特征来进行车辆控制,从而使车辆做出较优的响应.最后,我们利用增强学习的方法来搭建并训练该系统,完成神经网络结构效果的测试.

关键词：深度学习、增强学习、自动驾驶、卷积神经网络、循环神经网络

所属期刊栏目：46

分类号：TP18(自动化基础理论)

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1-4