《基于人工智能的自动驾驶决策系统.pdf》由会员分享，可在线阅读，更多相关《基于人工智能的自动驾驶决策系统.pdf（22页珍藏版）》请在中国通信学会知识平台上搜索。
1、目录项目背景技术原理实地应用前期成果0510152025303540死亡人数百分比（%）项目背景020406080弯道和平直路段死亡强度差（人/100次事故）弯道和平直路段受伤强度差（人/100次事故）94%的交通事故涉及人为因素无疲劳驾驶、无分心驾驶项目背景技术原理研究内容理论上DRL的改进优化TORCS仿真平台接口设计DRL在TORCS上的仿真测试智能小车平台的设计与开发图像语义分隔模型的训练DRL在智能小车中的应用小车转向车速技术原理DRL端到端处理DRL算法端到端处理，输入的为道路状态信息，输出的为控制信息，包括小车行驶的方向及速度数据通信传输采用串口通信将控制信息发送到控制小车的单片。
2、机Arduino中。驱动小车单片机通过驱动模块从而驱动电机，使小车运行OV2640图像传感器当图像传感器拍摄前方道路情况后，结合图像语义分隔算法得到当前道路状态信息图像数据输入技术原理系统工作原理示意图实际环境最终将道路状态信息输入到深度强化学习端到端的模型中将拍摄到的单画面帧储存至STM32中由图像语义分隔算法模型进行处理得到道路状态信息技术原理技术原理算法分析集成DDPG与DDPG在训练了1000回合之后，回合平均回报值都趋于稳定，在某个值附近震荡。通过对比可以得出集成DDPG训练过程比DDPG更稳定，DDPG在训练过程中回合回报值的变化更剧烈。赛道是否完成赛道平均回报平均速度(km/h)。
3、测试时trackPos(m)CG1是87.2089159.58170.1945CG2是83.5647155.76240.2098E-Trcak2是70.5767127.89640.2758泛化能力平均回报E-Track2赛道相当于其训练集，在训练集上的测试结果无法说明其泛化性能，为此，本实验以其他赛道作为集成策略性能的测试集，通过使用集成策略控制仿真车辆在测试赛道上行驶并观察车辆行为表现，来评判集成DDPG算法的泛化性能。 = 赛道类型赛道类型完成完成20圈回圈回合数合数训练时平均训练时平均回报回报测试时平均测试时平均速度速度(km/h)测试时测试时trackPos(m)CG195677.31。
4、58150.760.3015CG292972.1567147.340.2967奖励函数仿真平台凸面镜视距短、成像小，易受遮挡，镜面模糊，易损坏、镜面朝向变动。应用场景前期：老旧小区、学校道路特点：车库少、车口多、路面狭窄道路特点：陡峭、坡度大、连续弯道、拐弯急。后期：城市公路弯道道路特点：道路密集、车流量大。小区狭窄弯道校园十字路口弯道张家界天门山盘山公路长沙市弯道张掖市民乐县山丹马场227国道西安市城市弯道凸面镜少，雨雾天气能见低,其提示作用微弱。合作：辅助导航设备精准定位，实时反馈道路情况。中期：旅游景区、偏僻山区（占比2/3）实地应用-发展战略开发辅助设备等多品类市场，实现多品类协调发展。采用个性化管理方式，注重人性化，运用科技手段实现企业多元化链接。根据市场化需求，实时改进硬件模块，推出功能定制化服务。功能定制化服务创新管理模式产品多元化发展050100150200250300350400第一年第二年第三年第四年第五年营业收入（万元）实地应用-财务分析融资计划80万团队成员自筹40万风险投资30万众筹50万大学生创业贷款收入来源销售收入、服务费用、投资收入、广告收入、政府补贴产品研发、平台搭建、办公设施、销售服务等资金用途为您的出行保驾护航！。