1.一种基于约束策略优化的纵向柔性安全驾驶规约方法,其特征在于,所述方法包括:基于自然驾驶数据获取自然驾驶车辆安全关键事件;
基于自然驾驶车辆安全关键事件构建责任敏感安全模型;
将责任敏感安全模型中纵向安全距离公式中的参数优化问题构建成约束马尔可夫决策过程模型,将约束马尔可夫决策过程模型中的状态空间定义为前后两车的相对距离和相对速度的统计均值和标准差;行为空间定义为安全距离公式中待优化的参数,包括后车响应时间、前车最大减速度、后车最大加速度和后车最小减速度;
基于深度强化学习算法搭建神经网络,所述神经网络包括策略神经网络、奖励值神经网络和开销值神经网络;
对策略神经网络、奖励值神经网络和开销值神经网络进行评估与优化,对神经网络进行多次迭代训练,得到训练后的神经网络模型,根据训练后的神经网络模型对纵向安全距离公式中的参数进行优化;
所述基于自然驾驶数据获取自然驾驶车辆安全关键事件步骤具体包括:获取自然驾驶数据,所述自然驾驶数据包括运动学数据以及视频数据;
确定危险场景触发条件;
基于自然驾驶数据以及危险场景触发条件提取初始安全关键场景事件;
对初始安全关键场景事件进行筛选,生成最终的安全关键场景事件;
基于最终的安全关键场景事件提取运动学特征;
所述将责任敏感安全模型中纵向安全距离公式中的参数优化问题构建成约束马尔可夫决策问题模型的步骤具体包括:基于最小化碰撞时间积分的目标构建开销函数;
基于最小化保守性安全距离之和的目标构建奖励函数;
所述开销函数C
其中,T,T
所述奖励函数R设计为:
其中,Δd
所述对策略神经网络、奖励值神经网络和开销值神经网络进行评估与优化的步骤具体包括:基于奖励函数以及开销函数确定期望回报与约束条件;
基于近似求解方法对策略神经网络进行更新;
对奖励值神经网络和开销值神经网络进行更新;
所述基于奖励函数以及开销函数确定期望回报与约束条件的步骤包括:对策略相对于开销函数的预期折扣回报进行定义;
确定策略相对于奖励函数的预期折扣回报进行确定;
确定满足约束条件的策略;
策略π相对于开销函数C
其中,
策略π相对于奖励函数R的预期折扣回报/(π)表示为:J(π)=E
满足所有开销约束的策略集:
在策略约束集Π