科创中国

本申请提供一种基于场景自适应识别的自动驾驶方法及系统，该方法包括：获取驾驶场景下的环境信息及上一时刻操作信息；路径规划模块基于上一时刻操作信息，确定一条当前驾驶场景下的路径规划轨迹；根据路径规划轨迹的参数空间确定场景复杂度；模仿学习模块根据环境信息由神经网络得出决策的不确定性分布；根据不确定性分布确定场景异常度；决策模块根据场景复杂度及场景异常度，确定自动驾驶方法。该方案提高了自动驾驶对实时性能与准确性能。

1.一种基于场景自适应识别的自动驾驶方法，其特征在于，所述方法包括： 获取驾驶场景下的环境信息及上一时刻操作信息； 路径规划模块基于所述上一时刻操作信息，确定一条当前驾驶场景下的路径规划轨迹； 根据所述路径规划轨迹的参数空间确定场景复杂度； 模仿学习模块根据所述环境信息由神经网络得出决策的不确定性分布； 根据所述不确定性分布确定场景异常度； 决策模块根据所述场景复杂度及所述场景异常度，确定自动驾驶方法。 2.根据权利要求1所述的方法，其特征在于，所述路径规划模块采用模型预测控制方法，包括： 根据当前时刻的动力学模型预测预设时段内车辆的运动状态及轨迹，在考虑约束的条件下，优化每一具体时刻的控制轨迹以保证每一具体时刻的最优解。 3.根据权利要求2所述的方法，其特征在于，所述优化每一具体时刻的控制轨迹基于代价函数、加速度限制约束、速度限制约束、避障约束、动力学约束。

一种基于场景自适应识别的自动驾驶方法及系统具有广阔的应用前景，包括以下几个方面：

1. 高级驾驶辅助系统（ADAS）：基于场景自适应识别的自动驾驶方法可以应用于ADAS系统中，提供更准确和可靠的场景识别和驾驶决策。通过实时分析和理解道路、交通、行人等各种场景，系统可以自动识别并适应不同的驾驶情况，提供相应的驾驶辅助功能，如自动刹车、自适应巡航控制等。这有助于提高驾驶安全性和舒适性。

2. 自动驾驶汽车：基于场景自适应识别的自动驾驶方法是实现自动驾驶汽车的关键技术之一。通过实时感知和理解道路环境，系统可以自动识别和分析各种交通场景，包括道路标志、交通信号灯、车辆、行人等，从而实现自动驾驶决策和控制。这有助于提高驾驶安全性、减少交通事故，并提供更高效的交通流动性。

3. 物流和运输行业：基于场景自适应识别的自动驾驶方法可以应用于物流和运输行业，提高货物运输的效率和安全性。系统可以实时识别和分析不同的物流场景，如货物装载、卸货、运输过程中的道路状况等，从而自动调整驾驶策略和路径规划，提高物流运输的效率和准确性。

4. 城市交通管理：基于场景自适应识别的自动驾驶方法可以应用于城市交通管理中，提供实时的交通监控和管理。系统可以自动识别和分析交通场景，包括交通流量、拥堵情况、交通事故等，从而实现智能的交通信号控制和路况优化，提高城市交通的流动性和效率。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

基于场景自适应识别的自动驾驶方法及系统可以带来多方面的效益，包括以下几个方面：

1. 提高驾驶安全性：该方法可以实时感知和分析道路环境，并根据不同的场景进行自适应驾驶决策和控制。它可以准确识别交通标志、交通信号灯、行人、车辆等，并及时做出相应的驾驶操作，从而减少人为驾驶错误和事故的发生。

2. 提高交通效率：基于场景自适应识别的自动驾驶方法可以实时监测和分析交通流量、道路状况等信息，并根据实际情况自动调整驾驶策略和路径规划。它可以优化车辆行驶速度、车道选择等，减少拥堵和交通阻塞，提高交通流动性和效率。

3. 提高驾驶舒适性：系统可以自动适应不同的驾驶场景，根据道路状况和交通情况进行相应的驾驶决策和控制。它可以提供自适应巡航控制、自动刹车、车道保持等功能，从而减轻驾驶员的驾驶负担，提高驾驶舒适性。

4. 降低能源消耗和环境污染：基于场景自适应识别的自动驾驶方法可以优化车辆行驶策略，如合理控制车速、减少急加速和急刹车等，从而降低能源消耗和排放的尾气污染，对环境友好。

5. 提高物流运输效率：该方法可以实时识别和分析物流场景，如货物装载、卸货、运输过程中的道路状况等，并自动调整驾驶策略和路径规划，提高物流运输的效率和准确性。

技术转让

基于场景自适应识别的自动驾驶方法及系统的成果可以转化为自动驾驶汽车的商业化应用、ADAS系统的市场推广、城市交通管理和智能交通系统的应用、物流和运输行业的自动化升级，以及交通数据分析和智能交通决策支持等方向。这些转化方向有助于推动智能交通和可持续交通的发展，提升交通安全性和效率，改善人们的出行体验和生活质量。