买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国第一汽车股份有限公司申请的专利自动驾驶决策方法、装置、车辆及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115140091B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210753584.4，技术领域涉及：B60W60/00；该发明授权自动驾驶决策方法、装置、车辆及存储介质是由王艺蒙;吕颖;高延熹;韩佳琪设计研发完成，并于2022-06-29向国家知识产权局提交的专利申请。

本自动驾驶决策方法、装置、车辆及存储介质在说明书摘要公布了：本发明公开了一种自动驾驶决策方法、装置、车辆及存储介质。其中，该方法包括：采集目标车辆的行车环境数据，行车环境数据包括目标车辆的车辆数据和障碍物数据；利用深度神经网络模型对行车环境数据进行分析，得到决策动作，其中，深度神经网络模型基于回报函数和深度强化学习算法构建并训练，回报函数用于根据目标车辆至少两个时刻的行车速度和行车位移对深度神经网络模型进行训练；控制目标车辆执行决策动作。本发明解决了决策模型中的回报函数设计不合理，进而导致模型输出的决策结果不够合理的技术问题。

本发明授权自动驾驶决策方法、装置、车辆及存储介质在权利要求书中公布了：1.一种自动驾驶决策方法，其特征在于，包括： 采集目标车辆的行车环境数据，所述行车环境数据包括所述目标车辆的车辆数据和障碍物数据，其中，所述目标车辆的数据包括所述目标车辆的速度、所述目标车辆的几何中心与车道中线的距离，所述障碍物数据包括：当前车道前方最近车辆的距离和速度、当前车道后方最近车辆的距离和速度、左车道前方最近车辆的距离和速度、左车道后方最近车辆的距离和速度、右车道前方最近车辆的距离和速度、右车道后方最近车辆的距离和速度； 利用深度神经网络模型对所述行车环境数据进行分析，得到决策动作，其中，所述深度神经网络模型基于回报函数和深度强化学习算法构建并训练，所述回报函数用于根据所述目标车辆至少两个时刻的行车速度和行车位移对所述深度神经网络模型进行训练，所述回报函数通过下述公式表示： rt＝dt-dt-1+rcol+vt-vt-1 其中，dt为目标车辆t时刻行驶的总距离，dt-1为目标车辆t-1时刻行驶的总距离，vt为t时刻目标车辆的速度，vt-1为t-1时刻目标车辆的速度，rcol为碰撞惩罚函数，其中，所述碰撞惩罚函数rcol的表达式为： 控制所述目标车辆执行所述决策动作； 其中，所述方法还包括：根据所述行车环境数据构建输入层，其中，所述输入层包括第一状态空间和第二状态空间，所述第一状态空间用于输入所述目标车辆的车辆数据，所述第二状态空间用于输入所述障碍物数据；根据所述行车环境数据构建第一数据提取层和第二数据提取层，其中，所述第一数据提取层与所述第一状态空间连接，所述第二数据提取层与所述第二状态空间连接，所述第一数据提取层用于对所述目标车辆的车辆数据进行数据提取得到第一提取数据，所述第二数据提取层用于对所述障碍物数据进行数据提取得到第二提取数据；根据所述行车环境数据构建第一融合层和第二融合层，其中，所述第一融合层与所述第一数据提取层和所述第二数据提取层连接，用于对所述第一提取数据和所述第二提取数据进行融合得到第一融合数据，所述第二融合层与所述第一数据提取层、所述第二数据提取层和所述第一融合层连接，用于对所述第一融合数据、所述第一提取数据和所述第二提取数据进行融合得到第二融合数据；基于损失函数和动作值函数构建输出层，其中，所述动作值函数基于所述回报函数和所述深度强化学习算法而构建，所述损失函数基于所述动作值函数而构建，所述输出层与所述第二融合层连接，所述输出层用于根据所述第二融合数据进行决策并输出所述决策动作。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国第一汽车股份有限公司，其通讯地址为：130011 吉林省长春市汽车经济技术开发区新红旗大街1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。