典型文献
耦合深度学习-运动学的自动驾驶一体化换道研究
文献摘要：
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.
文献关键词：
深度学习;一体化换道轨迹规划;自动驾驶;安全性
中图分类号：
作者姓名：
熊明强;谯杰;王亮;夏芹;江萌
作者机构：
中国汽车工程研究院股份有限公司,重庆 401122;汽车噪声振动和安全技术国家重点实验室,重庆 401122;中国城市规划设计研究院西部分院,重庆 401122
文献出处：
引用格式：
[1]熊明强;谯杰;王亮;夏芹;江萌-.耦合深度学习-运动学的自动驾驶一体化换道研究)[J].汽车工程学报,2022(06):825-836
A类：
一体化换道轨迹规划
B类：
运动学,流算法,数据量,换道过程,激活函数,CarSim,自动驾驶车辆,车辆换道,地学,学到,换道行为
AB值：
0.247304
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
