原文传递
基于神经网络的驾驶员行为建模方法
| 专利名称： | 基于神经网络的驾驶员行为建模方法 |
| 摘要： | 本发明公开了一种基于神经网络的驾驶员行为建模方法，包括：特征提取器，提取构建回报函数特征；回报函数生成器，获取构建驾驶策略所需的回报函数；之后的驾驶策略获取器采用神经网络的方法来搭建，输入来自回报函数生成器的回报函数以及来自特征提取器的状态特征，通过优化最终得到生成驾驶策略的驾驶策略获取器。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 辽宁;21 |
| 申请人： | 大连大学 |
| 发明人： | 邹启杰;李昊宇;裴炳南 |
| 专利状态： | 有效 |
| 发布日期： | 2019-01-01T00:00:00+0800 |
| 申请号： | CN201810662026.0 |
| 公开号： | CN108944940A |
| 代理机构： | 大连智高专利事务所(特殊普通合伙) 21235 |
| 代理人： | 盖小静 |
| 分类号： | B60W40/09(2012.01)I;G06N3/04(2006.01)I;B;G;B60;G06;B60W;G06N;B60W40;G06N3;B60W40/09;G06N3/04 |
| 申请人地址： | 116622 辽宁省大连市经济技术开发区学府大街10号 |
| 主权项： | 1.一种基于神经网络的驾驶员行为建模方法，其特征在于，包括如下步骤：S1，构建驾驶环境特征提取器，用于提取构建回报函数的特征，具体实施方法为：S11.在车辆行驶过程中，利用放在车辆挡风玻璃后面的摄像机对驾驶视频进行采样，获得N组不同车辆驾驶环境道路情况的图片；同时对应驾驶操作数据，即该道路环境下的转向角情况，联合构建起来训练数据；S12.对收集来的图片进行平移、裁剪、变更亮度操作，以模拟不同光照和天气的场景；S13.构建卷积神经网络，将经过处理后的图片作为输入，对应图片的操作数据作为标签值，进行训练，采用基于Nadam优化器的优化方法对均方误差损失求最优解来优化神经网络的权重参数；新的卷积神经网络包括1个输入层、3个卷积层、3个池化层、4个全连接层；输入层依次连接第一个卷积层、第一个池化层，然后连接第二个卷积层、第二个池化层，再连接第三个卷积层、第三个池化层，最后依次连接第一个全连接层、第二个全连接层、第三个全连接层、第四个全连接层；S14.将训练完成后的卷积神经网络的网络结构和权值保存，以建立新的一个卷积神经网络，完成状态特征提取器。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
