欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2026100181442
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种混合交通交互行为轨迹预测方法,其特征在于,包括:S1.获取混合交通场景中多个智能体的历史轨迹数据及其初始状态信息;

S2.将历史轨迹数据输入最大熵逆强化学习模型,构建基于多智能体交互行为的最大熵行为生成概率模型,并初始化基础奖励结构;

S3.建模引入对抗逆强化学习结构,通过判别器优化奖励函数,并融入自适应奖励校准机制;

S4.建模过程中,利用Nash Q-learning算法更新多智能体的动作价值函数,并基于近似纳什均衡原理求解联合最优策略分布,得到策略模型;

S5.将策略模型与初始状态输入行为仿真器,通过策略采样生成未来轨迹预测序列;

S6.将预测结果与真实轨迹进行对比,基于指定指标对预测模型精准度进行验证;

所述S4步骤的具体操作流程包括:

通过纳什均衡策略建模执行多智能体交互,有公式为:其中,表示为当前状态下第个智能体受奖励函数参数影响的多智能体联合动作的评价Q值,为智能体集合,为第个智能体动作的动作空间,为第个智能体的Q函数,定义为在状态下,受奖励参数影响的多智能体局部博弈关系;

根据当前奖励参数和局部博弈,求解纳什均衡混合策略,其中为智能体执行动作后的下一时刻状态,纳什均衡策略存在满足条件:其中,为步长,表示为在假设其他智能体都遵循纳什策略、而智能体遵循候选策略的情况下,能拿到的平均总收益,为其他智能体在纳什均衡下的最优动作联合,为在奖励函数参数下,从状态开始的预期累积回报,为折扣因子,为其他智能体的纳什均衡策略,为智能体的候选策略,为智能体的候选动作,为奖励函数参数下该智能体考虑其他智能体最优动作联合即时奖励在状态下执行候选动作的即时奖励;

纳什平衡求解通过下式实现:

从状态开始的预期累积回报,其中的计算如下所示:其中,表示在状态下,假设所有智能体都采取博弈达成的最优均衡动作,计算这些动作组合的期望;

使用Bellman公式更新Q值函数,有:

其中,表示控制更新强度的权重参数。

2.如权利要求1所述的混合交通交互行为轨迹预测方法,其特征在于,所述S2步骤中最大熵逆强化学习模型的构建公式为:其中,为在奖励参数为时,轨迹的概率,为奖励函数,为轨迹的累积奖励,表示非最优行为在第个状态下执行动作的奖励总和,为状态总数量,为初始状态的概率,表示该轨迹从状态开始的可能性,为轨迹中每一步状态转移的概率乘积,表示在执行动作后从状态转移到状态的可能性;

为归一化常数,用于确保所有可能轨迹的概率之和为1,其计算公式为:其中,奖励函数用于反映轨迹的优劣,由参数定义,并使用随机梯度上升法更新,更新计算公式如下:其中,是历史轨迹的集合,是学习率参数,是奖励函数参数的偏导。

3.如权利要求2所述的混合交通交互行为轨迹预测方法,其特征在于,对于任一组智能体,所述S3步骤的具体操作流程包括:其中,表示为历史轨迹的数学期望,表示为预测轨迹的数学期望,为总步长,为专家策略分布,为步长下对于状态下执行动作的判别器计算,存在判别器计算如下所示:其中,为步长下对于状态下执行动作的reward函数,为步长下策略网络预测的动作分布,由抽样权重来计算有效;

抽样权重使用判别器函数获得,其计算如下所示:为策略网络学习率;

最后通过改进奖励参数增强交互强度的自适应奖励。

4.如权利要求3所述的混合交通交互行为轨迹预测方法,其特征在于,所述S3步骤中通过改进奖励参数增强交互强度的自适应奖励的具体自适应操作流程包括:根据状态中的交通交互强度构建动态权重函数,并在奖励参数更新中对专家轨迹的梯度项进行等比例加权,使高风险交互片段获得更大的更新幅度,有奖励参数的更新公式为:根据相对距离、速度差、交互角在内的特征确定,其计算公式如下:其中,代表车辆和行人的相对距离,代表行人与车辆间的速度差,为距离调节系数,为速度调节系数。

5.如权利要求1所述的混合交通交互行为轨迹预测方法,其特征在于,所述S5步骤中通过仿真器预测序列的具体预测流程包括:输入智能体的初始状态;

在每一时间步采样动作;通过物理引擎更新状态至,直至生成完整预测轨迹,为总时长;

其中行人的位置更新如下:

其中行人速度更新如下:

其中行人角速度更新如下:

其中,表示时刻行人的横向位置,表示时刻行人的纵向位置,表示时刻行人的速度,表示时刻行人航向角,表示时刻行人的角速度,表示时间差;表示行人加速度;

其中车辆的位置更新如下:

其中车辆速度更新如下:

其中车辆角速度更新如下:

其中,表示时刻车辆的横向位置,表示时刻车辆的纵向位置,表示时刻车辆的速度,表示时刻车辆航向角,表示时刻车辆的角速度,表示时间差,表示时刻的车辆加速度。

6.如权利要求1所述的混合交通交互行为轨迹预测方法,其特征在于,所述S6步骤中的验证流程包括:计算预测时间步内真实轨迹与预测轨迹之间的平均欧氏距离作为平均位移误差,公式如下:计算真实轨迹与预测轨迹在最终位置的平均欧式距离作为最终位移误差,公式如下:其中,为测试样本数,为预测时长,和分别为第个样本在时刻的预测位置和真实位置;

计算均方根误差,以反映误差的总体大小,计算如下:其中,为时刻实际加速度,为时刻预测加速度。

7.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。

8.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。