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！

龙图腾网获悉长沙理工大学申请的专利一种基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法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：CN120544373B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202510524358.2，技术领域涉及：G08G1/01；该发明授权一种基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法是由李蕴博;龙科军;高志波;兰晓蔚;尹砚铎;王杰设计研发完成，并于2025-04-24向国家知识产权局提交的专利申请。

本一种基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法在说明书摘要公布了：本发明公开了一种基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法，包括以下步骤：建立考虑前车速度和自车速度差距的车间间隙策略，采用该策略构建MPC框架，并将车间最小安全距离加入MPC框架的约束条件；使用训练好的深度确定性策略梯度算法模型对MPC框架中的参数进行实时调节得到每个状态下的最佳参数组合，然后将最佳参数组合代入MPC框架中计算得到每个时刻的最佳控制序列，最后根据每个控制周期的最佳控制序列中的指定控制量对车辆队列中的车辆进行纵向控制。与传统固定参数MPC方法相比，本发明能够显著减少车队间隙误差，提高车队纵向控制的稳定性和安全性，实现高效、安全的自动驾驶车队管理。

本发明授权一种基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法在权利要求书中公布了：1.一种基于改进间隙策略和深度确定性策略梯度算法的车辆队列控制方法，其特征在于，包括以下步骤： 建立考虑前车速度和自车速度差距的车间间隙策略，采用所述车间间隙策略构建车辆队列的MPC框架，并将车间最小安全距离加入MPC框架的约束条件； 训练深度确定性策略梯度算法模型，包括： 实时获得当前车辆与前车间隙误差，当前与前车速度差，当前加速度以及当前速度，并更新状态空间中对应参数的值，得到当前车辆的当前时刻状态，将当前时刻状态输入Actor网络，得到当前时刻最佳动作，当前时刻最佳动作表达式如下： 其中，为MPC框架的间隙误差权重系数，为车间间隙策略的模型参数； 将当前时刻最佳动作通过Critic网络后，输出当前时刻奖励reward，当前时刻reward具体表示如下： 其中，表示奖励的权重系数，为间隙误差偏差奖励项，为相对速度偏差奖励项，为稳态奖励项，表达式为： 其中，表示间隙误差，表示间隙误差的绝对值，表示与前车相对速度的绝对值； 使用训练好的深度确定性策略梯度算法模型对MPC框架中的参数进行实时调节得到每个状态下的最佳参数组合，然后将最佳参数组合代入MPC框架中计算得到每个时刻的最佳控制序列，最后根据每个控制周期的最佳控制序列中的指定控制量对车辆队列中的车辆进行纵向控制。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路二段960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。