耦合深度学习-运动学的自动驾驶一体化换道研究

摘要：

现阶段主流算法都面临着数据量不足导致的模型无法完全应对所有场景,从而造成换道失败或者影响换道过程中的安全性.提出了一种新的耦合深度学习-运动学的自动驾驶换道一体化模型.该模型基于经典BP神经网络,对神经元中的激活函数进行替换,从而克服已有模型的不足.通过CarSim仿真来研究了本模型产生的自动驾驶车辆换道轨迹的可跟踪性,结果显示本模型可以更好地学到人类的安全换道行为,可推广使用.

关键词：深度学习、一体化换道轨迹规划、自动驾驶、安全性

所属期刊栏目：12

分类号：U491.2(交通工程与公路运输技术管理)

资助基金：国家重点基础研究发展计划（973计划）2017YFB0102604

在线出版日期：2023-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：825-836