1.一种基于社会价值取向的城市智能车辆拟人化决策方法,其特征在于,包括如下步骤:步骤一、采集车辆的运动几帧位图;
步骤二、构建CNN‑LSTM混合网络并将所述CNN‑LSTM混合网络的输出进行特征融合,将所述车辆的运动几帧位图输入所述CNN‑LSTM混合网络获得不同目标的预测SVO值;
所述CNN‑LSTM混合网络包括一个CNN网络和一个LSTM网络;
所述CNN网络包括依次连接的第一卷积层、第一激活函数层、第一最大池化层、第二卷积层、第二激活函数层、第二最大池化层、第三卷积层、第三激活函数层和第三最大池化层,且第一卷积层为32个过滤器,第二卷积层为64个过滤器,第三卷积层为128个过滤器,所述第一卷积层、第二卷积层和第三卷积层的过滤器尺寸均为3×3,所述第一激活函数层、第二激活函数层和第三激活函数层均为ReLU激活函数,所述第一最大池化层、第二最大池化层和第三最大池化层的窗口大小为2×2;
所述CNN‑LSTM混合网络的训练过程包括如下步骤:步骤1、对数据集中的样本点进行预处理并对齐车辆的时间戳;
步骤2、计算不同样本点的实际SVO值:;
式中,为实际SVO值,为他车的速度,为他车到冲突点的距离,为自车的速度,为自车到冲突点的距离;
步骤3、将样本点及其实际SVO值输入CNN‑LSTM混合网络中,获得样本点的预测SVO值,将样本点的预测SVO值和实际SVO值进行对比,优化CNN‑LSTM混合网络;
步骤三、基于SACER建立城市工况下的智能车辆决策模型,生成预测的驾驶员行为;
所述城市工况下的智能车辆决策模型的输出为:;
式中, 表示在 时刻的状态 下采取的行动, 表示策略网络 在给定当前时刻状态 的条件下选择动作 的概率, 表示动作采样的概率分布的均值, 表示动作采样的概率分布的方差;
所述城市工况下的智能车辆决策模型包括SAC网络和回合奖励重放;
所述SAC网络的状态空间为车辆数据及道路状况;
所述SAC网络的动作空间为车辆的动作;
所述SAC网络的期望累计奖励函数满足:;
式中, 是不同奖励项的权重, ,表示基于SVO值的奖励,表示速度奖励,表示决策时间奖励,表示碰撞奖励,这些奖励项共同构成了车辆决策的优化目标;
所述SAC网络的Q值网络损失函数满足:;
式中, 为第 个Q值网络的损失函数,为 时刻的每个元组目标值, 为经验回放池中的抽样分组数, 为在当前状态 下执行动作 的Q值,为Q值分类, ;
Q值网络的更新满足:
;
式中, 为第一Q值网络 的损失函数, 为第二Q值网络 的损失函数,为Q值网络的学习率, 是神经网络的参数, 为对第一Q值网络损失函数 关于参数 的梯度, 为对第二Q值网络损失函数 关于参数 的梯度;
所述SAC网络的策略网络损失函数满足:;
;
式中, 是策略网络的损失函数,是神经网络的参数, 是策略网络的学习率,为神经网络的参数的导数;
所述策略网络的熵正则化系数满足:
;
式中, 为依赖熵正则化系数的损失函数, 为期望操作符, 表示状态 是从经验回放池 中采样得到的, 表示动作 是根据当前策略网络 和给定状态 的概率分布采样得到的, 为熵正则化项系数,H0是目标熵。
2.如权利要求1所述的基于社会价值取向的城市智能车辆拟人化决策方法,其特征在于,所述LSTM网络包含256个单元。
3.如权利要求2所述的基于社会价值取向的城市智能车辆拟人化决策方法,其特征在于,所述特征融合为全连接层,且所述全连接层包含512个神经元。
4.如权利要求3所述的基于社会价值取向的城市智能车辆拟人化决策方法,其特征在于,所述LSTM网络还包括注意力机制;
所述注意力机制满足:
;
式中,为加权的特征表示, 为注意力权重, 为每个时间步的输出。
5.如权利要求4所述的基于社会价值取向的城市智能车辆拟人化决策方法,其特征在于,所述基于SVO值的奖励计算公式为:;
式中, 为下一时间步的SVO值,即预测的 时刻的SVO值, 为整合后的SVO序列,为轨迹的总时间步数。