本發(fā)明屬于車(chē)輛工程與交通運(yùn)輸工程領(lǐng)域，涉及一種天地一體多域融合的汽車(chē)高級(jí)別自動(dòng)駕駛系統(tǒng)。

背景技術(shù)：

1、隨著車(chē)聯(lián)網(wǎng)通信技術(shù)(v2x)的高速發(fā)展，車(chē)端、路端、云端、以及衛(wèi)星之間實(shí)現(xiàn)了信息互聯(lián)互通。如何有效利用車(chē)、路、星、云一體化的通信網(wǎng)絡(luò)，構(gòu)建無(wú)縫的信息交互體系，提升高級(jí)別自動(dòng)駕駛的安全性、舒適性等，推動(dòng)智能交通系統(tǒng)綜合效能的全面升級(jí)為了關(guān)鍵問(wèn)題。

2、傳統(tǒng)的單一地面通信由于存在通信信號(hào)弱、網(wǎng)絡(luò)覆蓋范圍有限等可靠性難題，無(wú)法滿(mǎn)足自動(dòng)駕駛高實(shí)時(shí)性、高安全性需求，限制了其在自動(dòng)駕駛中的廣泛應(yīng)用。比如，基于蜂窩網(wǎng)絡(luò)車(chē)聯(lián)網(wǎng)技術(shù)(cv2x)的自動(dòng)駕駛系統(tǒng)在偏遠(yuǎn)、城市邊緣以及建筑物遮擋等區(qū)域，存在由于蜂窩網(wǎng)絡(luò)覆蓋不足導(dǎo)致的數(shù)據(jù)傳輸延遲或中斷問(wèn)題，無(wú)法應(yīng)對(duì)復(fù)雜的動(dòng)態(tài)駕駛場(chǎng)景，降低了系統(tǒng)的場(chǎng)景適應(yīng)性和系統(tǒng)可靠性。同時(shí)，基于蜂窩網(wǎng)絡(luò)車(chē)聯(lián)網(wǎng)技術(shù)(cv2x)的自動(dòng)駕駛系統(tǒng)缺乏多域信息整合能力，難以充分實(shí)現(xiàn)從自動(dòng)駕駛感知、決策到控制過(guò)程中的多域信息協(xié)同，存在信息共享不足導(dǎo)致的信息孤島問(wèn)題，無(wú)法針對(duì)駕駛場(chǎng)景變化做出快速且全面響應(yīng)。綜上，現(xiàn)有系統(tǒng)在場(chǎng)景適應(yīng)性和多域信息整合上存在局限，限制了其進(jìn)一步發(fā)展。

3、天地一體自動(dòng)駕駛系統(tǒng)通過(guò)地面通信網(wǎng)絡(luò)與衛(wèi)星通信網(wǎng)絡(luò)相結(jié)合，可以實(shí)現(xiàn)通信網(wǎng)絡(luò)的高可靠性無(wú)縫覆蓋，通過(guò)衛(wèi)星信號(hào)，提供多域之間的準(zhǔn)確時(shí)間同步和可靠通信傳輸，提供高精度定位作為汽車(chē)智駕、底盤(pán)、座艙、動(dòng)力等多域融合的基礎(chǔ)性數(shù)據(jù)支持，提供交通、天氣、路況等信息支持，為復(fù)雜交通場(chǎng)景下的自動(dòng)駕駛提供了新的解決方案。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種天地一體多域融合的高級(jí)別自動(dòng)駕駛系統(tǒng)，通過(guò)衛(wèi)星平臺(tái)、云端平臺(tái)、以及車(chē)端平臺(tái)等多域信息融合，整合不同數(shù)據(jù)來(lái)源，實(shí)現(xiàn)了自動(dòng)駕駛汽車(chē)更全面、無(wú)盲區(qū)的感知和定位，提升規(guī)劃與控制的安全性、可靠性，推動(dòng)智能交通系統(tǒng)綜合效能的全面升級(jí)。基于云端誤差播發(fā)和高低軌衛(wèi)星融合增強(qiáng)技術(shù)，解決了單一地面通信受限于基站覆蓋度產(chǎn)生的汽車(chē)通信失聯(lián)問(wèn)題，保障自動(dòng)駕駛所需的高精度定位和高安全通信需求；基于云端強(qiáng)化學(xué)習(xí)架構(gòu)，通過(guò)通信網(wǎng)絡(luò)自適應(yīng)切換，提升了天地一體系統(tǒng)的通信網(wǎng)絡(luò)穩(wěn)定性；基于平臺(tái)搜集的車(chē)輛高精度軌跡數(shù)據(jù)建立道路語(yǔ)義地圖以及決策控制經(jīng)驗(yàn)池，通過(guò)云端聯(lián)邦學(xué)習(xí)場(chǎng)景經(jīng)驗(yàn)分享，彌補(bǔ)單車(chē)感知能力的局限性，解決單車(chē)智能無(wú)法解決的冗余安全和長(zhǎng)尾問(wèn)題；車(chē)端通過(guò)對(duì)云端提供的語(yǔ)義地圖與自車(chē)構(gòu)建的局部駕駛地圖之間的匹配，實(shí)現(xiàn)對(duì)云端道路語(yǔ)義地圖的動(dòng)態(tài)更新，提高整個(gè)自動(dòng)駕駛系統(tǒng)的跨場(chǎng)景整合能力；基于高精度定位為汽車(chē)提供行駛場(chǎng)景的交通、天氣、路況等信息，支撐底盤(pán)多域融合技術(shù)實(shí)現(xiàn)。

2、本發(fā)明，天地一體多域融合的高級(jí)別自動(dòng)駕駛系統(tǒng)的技術(shù)方案包括三塊主要內(nèi)容和八大場(chǎng)域，其中三塊內(nèi)容分別為車(chē)端、云端、以及衛(wèi)星端，八大場(chǎng)域分別為智能座艙域、智能駕駛域、動(dòng)力總成域、智能底盤(pán)域、知識(shí)管理域、云端控制域、衛(wèi)星服務(wù)域、以及信息通信域。其中，智能座艙域、智能駕駛域、動(dòng)力總成域、智能底盤(pán)域部署在車(chē)端，云端控制域和知識(shí)管理域部署在云端，衛(wèi)星服務(wù)域部署在高低軌衛(wèi)星端，信息通信域服務(wù)于車(chē)端、云端、以及衛(wèi)星端之間。

3、對(duì)于衛(wèi)星端，由衛(wèi)星服務(wù)域和相關(guān)支撐平臺(tái)組成。通過(guò)衛(wèi)星信號(hào)，提供多域之間的準(zhǔn)確時(shí)間同步和可靠通信傳輸，提供高精度定位作為多域融合的基礎(chǔ)性數(shù)據(jù)支持，提供交通信息、天氣變化、路況更新等額外數(shù)據(jù)支持。所述衛(wèi)星服務(wù)域通過(guò)衛(wèi)星通信，提供高精度定位信息。所述相關(guān)支撐平臺(tái)包含且不限于實(shí)時(shí)監(jiān)控交通信息和提供完備交通路網(wǎng)的交管平臺(tái)、提供實(shí)時(shí)物流路網(wǎng)信息的物流平臺(tái)、提供導(dǎo)航服務(wù)及定期更新離線(xiàn)地圖信息的地圖平臺(tái)、提供高精度定位服務(wù)及位置信息共享功能的定位平臺(tái)、以及提供實(shí)時(shí)氣象監(jiān)測(cè)與分析的氣象平臺(tái)。

4、對(duì)于云端，主要用于信息傳遞和進(jìn)一步處理，通過(guò)不同的云控應(yīng)用實(shí)現(xiàn)信息集中管理和知識(shí)提煉。云端由云端控制域和知識(shí)管理域組成，通過(guò)vehicle-to-network(v2n)通信結(jié)合衛(wèi)星通信實(shí)現(xiàn)車(chē)端、云端、以及衛(wèi)星端之間的高效信息互通。

5、所述云端控制域，基于邊緣云、區(qū)域云、以及中心云的三種云控等級(jí)，通過(guò)網(wǎng)聯(lián)汽車(chē)賦能、交通管理與控制、以及交通數(shù)據(jù)賦能三種云控賦能，實(shí)現(xiàn)不同功能的云控應(yīng)用。云控應(yīng)用包含通信網(wǎng)絡(luò)監(jiān)控應(yīng)用、通信融合增強(qiáng)應(yīng)用、提供網(wǎng)絡(luò)切換策略、提供無(wú)盲區(qū)高精度鳥(niǎo)瞰圖、提供語(yǔ)義鳥(niǎo)瞰矩陣、以及行車(chē)安全場(chǎng)構(gòu)建。

6、所述通信網(wǎng)絡(luò)監(jiān)控應(yīng)用，主要用于持續(xù)監(jiān)測(cè)通信網(wǎng)絡(luò)的狀態(tài)，包括信號(hào)強(qiáng)度、延遲、帶寬和數(shù)據(jù)包丟失等。當(dāng)網(wǎng)絡(luò)出現(xiàn)故障或性能下降時(shí)，通信網(wǎng)絡(luò)監(jiān)控應(yīng)用能夠及時(shí)發(fā)現(xiàn)并發(fā)出警報(bào)，以通過(guò)后續(xù)網(wǎng)絡(luò)切換應(yīng)用解決問(wèn)題。

7、所述通信融合增強(qiáng)應(yīng)用，是指通過(guò)衛(wèi)星地面基準(zhǔn)站satellite?ground?referencestation(sgrs)向高軌衛(wèi)星發(fā)送表征衛(wèi)星鐘差、衛(wèi)星軌道誤差、以及相位延遲誤差的相位偏差，高軌衛(wèi)星進(jìn)一步通過(guò)相位偏差數(shù)據(jù)計(jì)算衛(wèi)星星歷誤差，并且發(fā)送到高軌衛(wèi)星所對(duì)應(yīng)的低軌衛(wèi)星集，最后低軌衛(wèi)星將導(dǎo)航增強(qiáng)信息返回給衛(wèi)星地面基站satellite?groundstation(sgs)，通過(guò)導(dǎo)航增強(qiáng)信息抵消衛(wèi)星定位過(guò)程中來(lái)自衛(wèi)星的軌道誤差。

8、所述網(wǎng)絡(luò)切換策略，通過(guò)深度強(qiáng)化學(xué)習(xí)訓(xùn)練衛(wèi)星網(wǎng)絡(luò)和蜂窩網(wǎng)絡(luò)的切換策略，深度強(qiáng)化學(xué)習(xí)由元組(s,p,a,r)描述，其中：

9、s表示深度強(qiáng)化學(xué)習(xí)的輸入狀態(tài)量：

10、s＝[scell,ssat,dcell,dsat,bcell,bsat,plat,plong,c,h]

11、其中，scell表示當(dāng)前蜂窩網(wǎng)絡(luò)信號(hào)強(qiáng)度，ssat表示當(dāng)前衛(wèi)星網(wǎng)絡(luò)信號(hào)強(qiáng)度，dcell表示當(dāng)前蜂窩網(wǎng)絡(luò)延遲，dsat表示當(dāng)前衛(wèi)星網(wǎng)絡(luò)延遲，bcell表示當(dāng)前蜂窩網(wǎng)絡(luò)帶寬，bsat表示當(dāng)前衛(wèi)星網(wǎng)絡(luò)帶寬，plat表示當(dāng)前車(chē)輛的緯度，plong表示當(dāng)前車(chē)輛的經(jīng)度，c表示當(dāng)前網(wǎng)絡(luò)連接狀態(tài)，c＝0表示當(dāng)前連接蜂窩網(wǎng)絡(luò)，c＝1表示當(dāng)前連接衛(wèi)星網(wǎng)絡(luò)，h表示最近一段時(shí)間內(nèi)的通信質(zhì)量歷史，通過(guò)通信網(wǎng)絡(luò)延遲進(jìn)行表示。

12、p表示深度強(qiáng)化學(xué)習(xí)狀態(tài)轉(zhuǎn)移方程，本發(fā)明使用神經(jīng)網(wǎng)絡(luò)進(jìn)行擬合。

13、a表示深度強(qiáng)化學(xué)習(xí)通信網(wǎng)絡(luò)切換模型的輸出，a＝0表示保持當(dāng)前通信網(wǎng)絡(luò)連接，a＝1表示切換到蜂窩網(wǎng)絡(luò)，a＝2表示切換到衛(wèi)星網(wǎng)絡(luò)。

14、r表示執(zhí)行通信網(wǎng)絡(luò)切換策略輸出后的獎(jiǎng)勵(lì)函數(shù)(環(huán)境反饋)：

15、rt＝w1rstab+w2rcost+w3rquality

16、其中，rt表示t時(shí)刻下的環(huán)境反饋，w1、w2、以及w3分別表示各項(xiàng)子獎(jiǎng)勵(lì)函數(shù)的加權(quán)權(quán)重，rstab表示連接穩(wěn)定性相關(guān)獎(jiǎng)勵(lì)函數(shù)，rcost表示切換成本相關(guān)獎(jiǎng)勵(lì)函數(shù)，rquality表示通信服務(wù)質(zhì)量相關(guān)獎(jiǎng)勵(lì)函數(shù)。表1詳細(xì)描述各子獎(jiǎng)勵(lì)函數(shù)的取值，其中△d表示執(zhí)行切換策略c后的延遲差，θd表示延遲閾值，△b表示執(zhí)行切換策略c后的帶寬差，θb表示帶寬閾值。

17、表1

18、

19、

20、所述無(wú)盲區(qū)高精度鳥(niǎo)瞰圖，通過(guò)負(fù)責(zé)接收和發(fā)送衛(wèi)星信號(hào)的衛(wèi)星地面基站satellite?ground?station(sgs)，接收部署在衛(wèi)星的衛(wèi)星服務(wù)域所提供的高精度定位，基于平臺(tái)搜集的高精度定位下車(chē)輛軌跡數(shù)據(jù)建立道路語(yǔ)義地圖。所述無(wú)盲區(qū)高精度鳥(niǎo)瞰圖包含4通道信息，分別為道路可行駛區(qū)域、車(chē)道邊界、動(dòng)態(tài)障礙物(車(chē)輛、行人)、以及交通基礎(chǔ)設(shè)施(信號(hào)燈、交通標(biāo)志)。

21、所述語(yǔ)義鳥(niǎo)瞰矩陣，將無(wú)盲區(qū)高精度鳥(niǎo)瞰圖按照不同通道分割為不同語(yǔ)義下的矩陣。無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣大小為[0,1]w×h×c，其中w表示無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣的寬，h表示無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣的高，c表示無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣的通道數(shù)。

22、所述行車(chē)安全場(chǎng)，基于無(wú)盲區(qū)高精度鳥(niǎo)瞰圖，構(gòu)建動(dòng)態(tài)的行車(chē)安全場(chǎng)指導(dǎo)車(chē)輛駕駛行為。行車(chē)安全場(chǎng)采用高斯方程建模，通過(guò)描述智能網(wǎng)聯(lián)汽車(chē)運(yùn)動(dòng)中的行車(chē)安全場(chǎng)風(fēng)險(xiǎn)中心動(dòng)態(tài)轉(zhuǎn)移過(guò)程，評(píng)估智能網(wǎng)聯(lián)汽車(chē)在所處環(huán)境中的行車(chē)風(fēng)險(xiǎn)。

23、所述知識(shí)管理域，通過(guò)vehicle-to-network(v2n)通信獲取車(chē)端群體中智能網(wǎng)聯(lián)汽車(chē)的神經(jīng)網(wǎng)絡(luò)參數(shù)，并通過(guò)車(chē)端的智能底盤(pán)反饋篩選神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行本地神經(jīng)網(wǎng)絡(luò)actor-critic參數(shù)聚合。知識(shí)管理域進(jìn)一步在跨場(chǎng)景訓(xùn)練序列中訓(xùn)練場(chǎng)景因果推理模型，提煉各場(chǎng)景下的可遷移場(chǎng)景因子，建立場(chǎng)景經(jīng)驗(yàn)庫(kù)。當(dāng)有新車(chē)端接入系統(tǒng)時(shí)，知識(shí)管理域推送智能網(wǎng)聯(lián)汽車(chē)所處駕駛環(huán)境的超視距道路語(yǔ)義地圖，并且根據(jù)場(chǎng)景因果推理模型預(yù)測(cè)車(chē)端所處環(huán)境的場(chǎng)景因子，根據(jù)場(chǎng)景經(jīng)驗(yàn)庫(kù)內(nèi)場(chǎng)景因子所對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)參數(shù)給車(chē)端推送參數(shù)經(jīng)驗(yàn)，實(shí)現(xiàn)車(chē)端的快速接入。

24、對(duì)于車(chē)端，包含多個(gè)車(chē)端群體，每個(gè)車(chē)端群體包含n輛智能網(wǎng)聯(lián)汽車(chē)，每輛智能網(wǎng)聯(lián)汽車(chē)包含智能座艙域、智能駕駛域、動(dòng)力總成域、以及智能底盤(pán)域。

25、所述智能座艙域，主要用于提升駕駛安全性、增強(qiáng)用戶(hù)體驗(yàn)和提供個(gè)性化服務(wù)，包含信息系統(tǒng)、交互系統(tǒng)、以及網(wǎng)聯(lián)系統(tǒng)。所屬信息系統(tǒng)通過(guò)高分辨率顯示屏，實(shí)時(shí)展示車(chē)輛信息和娛樂(lè)內(nèi)容，實(shí)現(xiàn)駕駛員對(duì)車(chē)輛狀態(tài)的全面了解。所述交互系統(tǒng)通過(guò)直觀的用戶(hù)界面與語(yǔ)音識(shí)別，實(shí)現(xiàn)車(chē)輛與駕駛員之間的全面信息交互。所述網(wǎng)聯(lián)系統(tǒng)通過(guò)車(chē)聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)車(chē)輛與外部網(wǎng)絡(luò)的無(wú)縫連接。

26、所述智能駕駛域，包含感知處理模塊、軌跡預(yù)測(cè)模塊、以及強(qiáng)化學(xué)習(xí)模塊。所述感知處理模塊通過(guò)vehicle-to-network(v2n)通信獲取云端控制域提供的無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖，并且根據(jù)衛(wèi)星服務(wù)域提供的高精度定位進(jìn)行裁剪，裁剪后的無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣大小為[0,1]w×h×c，其中w表示裁剪后無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣的寬，h表示裁剪后無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣的高，c表示裁剪后無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣的通道數(shù)。裁剪后的無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖與傳感器信息進(jìn)行堆疊，作為強(qiáng)化學(xué)習(xí)模塊輸入的一部分。同時(shí)所述感知處理模塊采用車(chē)端傳感器構(gòu)建實(shí)時(shí)動(dòng)態(tài)地圖并上傳，通過(guò)基于高精度定位的動(dòng)態(tài)匹配，實(shí)現(xiàn)離線(xiàn)地圖實(shí)時(shí)局部更新。所述軌跡預(yù)測(cè)模塊對(duì)云端控制域提供的無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖多時(shí)步堆疊，并且結(jié)合知識(shí)管理域提供的場(chǎng)景因子，實(shí)現(xiàn)智能網(wǎng)聯(lián)汽車(chē)周?chē)鷦?dòng)態(tài)障礙物的多時(shí)步軌跡預(yù)測(cè)，作為強(qiáng)化學(xué)習(xí)模塊的另一部分輸入。所述強(qiáng)化學(xué)習(xí)模塊將感知處理模塊提供的輸入多時(shí)步堆疊，并與軌跡預(yù)測(cè)模塊提供的周?chē)鷦?dòng)態(tài)障礙物多時(shí)步軌跡預(yù)測(cè)結(jié)果整合為完整的強(qiáng)化學(xué)習(xí)輸入。進(jìn)一步，強(qiáng)化學(xué)習(xí)模塊基于云端控制域提供的行車(chē)安全場(chǎng)，構(gòu)建融合獎(jiǎng)勵(lì)函數(shù)，指導(dǎo)車(chē)端強(qiáng)化學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程。最終，強(qiáng)化學(xué)習(xí)模塊輸出控制指令給動(dòng)力總成域。

27、所述動(dòng)力總成域，主要根據(jù)智能駕駛域的控制指令輸出動(dòng)力控制，通過(guò)電池單元、電機(jī)單元和電控單元的協(xié)同作用，提升動(dòng)力總成域的整體性能和效率，確保電動(dòng)汽車(chē)在行駛過(guò)程中的動(dòng)力表現(xiàn)、能量管理和安全性。所述電池單元通過(guò)高能量密度的電池組，提供持續(xù)且強(qiáng)勁的電力供應(yīng)，實(shí)現(xiàn)車(chē)輛的長(zhǎng)續(xù)航與高效能。所述電機(jī)單元通過(guò)高效電動(dòng)機(jī)與先進(jìn)的轉(zhuǎn)子設(shè)計(jì)，提供快速響應(yīng)的加速性能，實(shí)現(xiàn)靈敏的駕駛體驗(yàn)。所述電控單元通過(guò)高級(jí)控制算法，實(shí)現(xiàn)電動(dòng)機(jī)和電池之間的智能協(xié)調(diào)，優(yōu)化動(dòng)力輸出與能量管理。

28、所述智能底盤(pán)域，主要通過(guò)智能底盤(pán)子系統(tǒng)，實(shí)現(xiàn)對(duì)車(chē)輛行駛舒適性的優(yōu)化，并且基于高精度定位為汽車(chē)提供行駛場(chǎng)景的交通、天氣、路況等信息，支撐底盤(pán)多域融合技術(shù)實(shí)現(xiàn)。所述智能底盤(pán)子系統(tǒng)包含且不限于存在狀態(tài)耦合以及成本耦合的轉(zhuǎn)向子系統(tǒng)、(directyaw?control)dyc子系統(tǒng)、懸架子系統(tǒng)以及驅(qū)動(dòng)子系統(tǒng)。所述轉(zhuǎn)向子系統(tǒng)及所述dyc子系統(tǒng)計(jì)算智能網(wǎng)聯(lián)汽車(chē)的橫向控制量，所述懸架子系統(tǒng)計(jì)算智能網(wǎng)聯(lián)汽車(chē)的垂向控制量，所述驅(qū)動(dòng)子系統(tǒng)計(jì)算智能網(wǎng)聯(lián)汽車(chē)的縱向控制量。通過(guò)信息傳輸，智能底盤(pán)域分別連接智能座艙域、智能駕駛域、和動(dòng)力總成域三大場(chǎng)域。首先通過(guò)智能座艙域中的交互，使得智能底盤(pán)域進(jìn)行動(dòng)態(tài)調(diào)整，實(shí)現(xiàn)智能座艙域與智能底盤(pán)域的交互。其次，本發(fā)明將底盤(pán)反饋?zhàn)鳛橹悄荞{駛域狀態(tài)量輸入的一部分，實(shí)現(xiàn)智能駕駛域與智能底盤(pán)域的交互。最后，智能底盤(pán)域的轉(zhuǎn)向子系統(tǒng)、dyc子系統(tǒng)根據(jù)動(dòng)力總成域的輸出以及實(shí)際路徑和期望路徑之間的預(yù)瞄誤差，計(jì)算智能網(wǎng)聯(lián)汽車(chē)橫擺力矩，驅(qū)動(dòng)子系統(tǒng)根據(jù)動(dòng)力總成域輸出以及智能網(wǎng)聯(lián)汽車(chē)的當(dāng)前速度，獲取期望目標(biāo)速度并且計(jì)算智能網(wǎng)聯(lián)汽車(chē)的四輪驅(qū)動(dòng)或制動(dòng)力矩，實(shí)現(xiàn)動(dòng)力總成域與智能底盤(pán)域的交互。

29、所述信息通信域服務(wù)于車(chē)端、云端、以及衛(wèi)星端之間。信息通信域在衛(wèi)星平臺(tái)實(shí)現(xiàn)星間通信、信息監(jiān)測(cè)、高精度定位、以及時(shí)間同步服務(wù)。信息通信域在云端平臺(tái)實(shí)現(xiàn)信息儲(chǔ)存、數(shù)據(jù)分析、經(jīng)驗(yàn)總結(jié)、以及通信增強(qiáng)服務(wù)。信息通信域在車(chē)端平臺(tái)實(shí)現(xiàn)場(chǎng)景識(shí)別、信息共享、經(jīng)驗(yàn)接收、以及網(wǎng)絡(luò)切換服務(wù)。

30、本發(fā)明，天地一體多域融合的高級(jí)別自動(dòng)駕駛系統(tǒng)的的實(shí)現(xiàn)過(guò)程包括如下步驟：

31、步驟1：搭建衛(wèi)星平臺(tái)，通過(guò)衛(wèi)星信號(hào)，提供多域之間的準(zhǔn)確時(shí)間同步和可靠通信傳輸，提供高精度定位作為多域融合的基礎(chǔ)性數(shù)據(jù)支持，提供交通信息、天氣變化、路況更新等額外數(shù)據(jù)支持。部署衛(wèi)星服務(wù)域于衛(wèi)星平臺(tái)，衛(wèi)星服務(wù)域通過(guò)衛(wèi)星通信，提供高精度定位信息。

32、步驟2：搭建云端平臺(tái)，并且部署云端控制域和知識(shí)管理域于云端平臺(tái)。通過(guò)不同的云控應(yīng)用實(shí)現(xiàn)信息集中管理和知識(shí)提煉。云端由云端控制域和知識(shí)管理域組成，通過(guò)vehicle-to-network(v2n)通信結(jié)合衛(wèi)星通信實(shí)現(xiàn)車(chē)端、云端、以及衛(wèi)星之間的高效信息互通。

33、步驟3：搭建車(chē)端平臺(tái)，并且部署智能座艙域、智能駕駛域、動(dòng)力總成域、以及智能底盤(pán)域于車(chē)端平臺(tái)。車(chē)端平臺(tái)包含多個(gè)車(chē)端群體，每個(gè)車(chē)端群體包含n輛智能網(wǎng)聯(lián)汽車(chē)，每輛智能網(wǎng)聯(lián)汽車(chē)包含智能座艙域、智能駕駛域、動(dòng)力總成域、以及智能底盤(pán)域。

34、步驟4：搭建信息通信域，服務(wù)于車(chē)端、云端、以及衛(wèi)星端之間。信息通信域在衛(wèi)星平臺(tái)實(shí)現(xiàn)星間通信、信息監(jiān)測(cè)、高精度定位、以及時(shí)間同步服務(wù)。信息通信域在云端平臺(tái)實(shí)現(xiàn)信息儲(chǔ)存、數(shù)據(jù)分析、經(jīng)驗(yàn)總結(jié)、以及通信增強(qiáng)服務(wù)。信息通信域在車(chē)端平臺(tái)實(shí)現(xiàn)場(chǎng)景識(shí)別、信息共享、經(jīng)驗(yàn)接收、以及網(wǎng)絡(luò)切換服務(wù)。

35、步驟5：車(chē)端平臺(tái)的智能網(wǎng)聯(lián)汽車(chē)群體，根據(jù)智能駕駛域中的感知處理模塊和軌跡預(yù)測(cè)模塊整合完整的強(qiáng)化學(xué)習(xí)狀態(tài)量輸入。

36、步驟6：車(chē)端平臺(tái)的智能網(wǎng)聯(lián)汽車(chē)群體進(jìn)一步根據(jù)云端控制域提供的行車(chē)安全場(chǎng)構(gòu)建融合獎(jiǎng)勵(lì)函數(shù)，指導(dǎo)智能網(wǎng)聯(lián)汽車(chē)強(qiáng)化學(xué)習(xí)模型的訓(xùn)練過(guò)程。

37、步驟7：車(chē)端平臺(tái)的智能網(wǎng)聯(lián)汽車(chē)在強(qiáng)化學(xué)習(xí)訓(xùn)練過(guò)程中將自身神經(jīng)網(wǎng)絡(luò)actor-critic參數(shù)上傳云端平臺(tái)的知識(shí)管理域。知識(shí)管理域在智能網(wǎng)聯(lián)汽車(chē)所處的不同場(chǎng)景下，根據(jù)智能底盤(pán)域篩選參與參數(shù)聚合的神經(jīng)網(wǎng)絡(luò)actor-critic參數(shù)，基于聯(lián)邦學(xué)習(xí)聚合本地神經(jīng)網(wǎng)絡(luò)actor-critic參數(shù)。并且將智能網(wǎng)聯(lián)汽車(chē)神經(jīng)網(wǎng)絡(luò)跨場(chǎng)景訓(xùn)練序列保存在知識(shí)管理域中，基于跨場(chǎng)景序列訓(xùn)練場(chǎng)景因果推理模型，提煉不同場(chǎng)景所對(duì)應(yīng)的場(chǎng)景因子，建立場(chǎng)景經(jīng)驗(yàn)庫(kù)。

38、步驟8：云端平臺(tái)的知識(shí)管理域?qū)⒕酆虾蟮谋镜厣窠?jīng)網(wǎng)絡(luò)actor-critic參數(shù)下發(fā)給對(duì)應(yīng)的車(chē)端平臺(tái)智能網(wǎng)聯(lián)汽車(chē)，循環(huán)直到網(wǎng)絡(luò)收斂。當(dāng)車(chē)端平臺(tái)中有新的智能網(wǎng)聯(lián)汽車(chē)接入天地一體多域融合的高級(jí)別自動(dòng)駕駛系統(tǒng)時(shí)，云端平臺(tái)的知識(shí)管理域根據(jù)智能網(wǎng)聯(lián)汽車(chē)的觀測(cè)序列預(yù)測(cè)所處場(chǎng)景的場(chǎng)景因子，并從場(chǎng)景經(jīng)驗(yàn)庫(kù)中檢索對(duì)應(yīng)的場(chǎng)景經(jīng)驗(yàn)進(jìn)行基于聯(lián)邦學(xué)習(xí)的經(jīng)驗(yàn)推送，實(shí)現(xiàn)智能網(wǎng)聯(lián)汽車(chē)在系統(tǒng)中的快速接入。

39、優(yōu)選的，步驟1中，所述相關(guān)支撐平臺(tái)包含且不限于實(shí)時(shí)監(jiān)控交通信息和提供完備交通路網(wǎng)的交管平臺(tái)、提供實(shí)時(shí)物流路網(wǎng)信息的物流平臺(tái)、提供導(dǎo)航服務(wù)及定期更新離線(xiàn)地圖信息的地圖平臺(tái)、提供高精度定位服務(wù)及位置信息共享功能的定位平臺(tái)、以及提供實(shí)時(shí)氣象監(jiān)測(cè)與分析的氣象平臺(tái)。

40、優(yōu)選的，步驟2中，所述云端控制域，基于邊緣云、區(qū)域云、以及中心云的三種云控等級(jí)，通過(guò)網(wǎng)聯(lián)汽車(chē)賦能、交通管理與控制、以及交通數(shù)據(jù)賦能三種云控賦能，實(shí)現(xiàn)不同功能的云控應(yīng)用。云控應(yīng)用包含通信網(wǎng)絡(luò)監(jiān)控應(yīng)用、通信融合增強(qiáng)應(yīng)用、提供網(wǎng)絡(luò)切換策略、提供無(wú)盲區(qū)高精度鳥(niǎo)瞰圖、提供語(yǔ)義鳥(niǎo)瞰矩陣、以及行車(chē)安全場(chǎng)構(gòu)建。

41、優(yōu)選的，所述通信網(wǎng)絡(luò)監(jiān)控應(yīng)用，主要用于持續(xù)監(jiān)測(cè)通信網(wǎng)絡(luò)的狀態(tài)，包括信號(hào)強(qiáng)度、延遲、帶寬和數(shù)據(jù)包丟失等。當(dāng)網(wǎng)絡(luò)出現(xiàn)故障或性能下降時(shí)，通信網(wǎng)絡(luò)監(jiān)控應(yīng)用能夠及時(shí)發(fā)現(xiàn)并發(fā)出警報(bào)，以通過(guò)后續(xù)網(wǎng)絡(luò)切換應(yīng)用解決問(wèn)題。

42、優(yōu)選的，所述通信融合增強(qiáng)應(yīng)用，是指通過(guò)衛(wèi)星地面基準(zhǔn)站satellite?groundreference?station(sgrs)向高軌衛(wèi)星發(fā)送表征衛(wèi)星鐘差、衛(wèi)星軌道誤差、以及相位延遲誤差的相位偏差，高軌衛(wèi)星進(jìn)一步通過(guò)相位偏差數(shù)據(jù)計(jì)算衛(wèi)星星歷誤差，并且發(fā)送到高軌衛(wèi)星所對(duì)應(yīng)的低軌衛(wèi)星集，最后低軌衛(wèi)星將導(dǎo)航增強(qiáng)信息返回給衛(wèi)星地面基站satelliteground?station(sgs)，通過(guò)導(dǎo)航增強(qiáng)信息抵消衛(wèi)星定位過(guò)程中來(lái)自衛(wèi)星的軌道誤差。

43、優(yōu)選的，所述網(wǎng)絡(luò)切換策略，通過(guò)深度強(qiáng)化學(xué)習(xí)訓(xùn)練衛(wèi)星網(wǎng)絡(luò)和蜂窩網(wǎng)絡(luò)的切換策略，深度強(qiáng)化學(xué)習(xí)由元組(s,p,a,r)描述，其中：

44、s表示深度強(qiáng)化學(xué)習(xí)的輸入狀態(tài)量：

45、s＝[scell,ssat,dcell,dsat,bcell,bsat,plat,plong,c,h]

46、其中，scell表示當(dāng)前蜂窩網(wǎng)絡(luò)信號(hào)強(qiáng)度，ssat表示當(dāng)前衛(wèi)星網(wǎng)絡(luò)信號(hào)強(qiáng)度，dcell表示當(dāng)前蜂窩網(wǎng)絡(luò)延遲，dsat表示當(dāng)前衛(wèi)星網(wǎng)絡(luò)延遲，bcell表示當(dāng)前蜂窩網(wǎng)絡(luò)帶寬，bsat表示當(dāng)前衛(wèi)星網(wǎng)絡(luò)帶寬，plat表示當(dāng)前車(chē)輛的緯度，plong表示當(dāng)前車(chē)輛的經(jīng)度，c表示當(dāng)前網(wǎng)絡(luò)連接狀態(tài)，c＝0表示當(dāng)前連接蜂窩網(wǎng)絡(luò)，c＝1表示當(dāng)前連接衛(wèi)星網(wǎng)絡(luò)，h表示最近一段時(shí)間內(nèi)的通信質(zhì)量歷史，通過(guò)通信網(wǎng)絡(luò)延遲進(jìn)行表示。

47、p表示深度強(qiáng)化學(xué)習(xí)狀態(tài)轉(zhuǎn)移方程，本發(fā)明使用神經(jīng)網(wǎng)絡(luò)進(jìn)行擬合。

48、a表示深度強(qiáng)化學(xué)習(xí)通信網(wǎng)絡(luò)切換模型的輸出，a＝0表示保持當(dāng)前通信網(wǎng)絡(luò)連接，a＝1表示切換到蜂窩網(wǎng)絡(luò)，a＝2表示切換到衛(wèi)星網(wǎng)絡(luò)。

49、r表示執(zhí)行通信網(wǎng)絡(luò)切換策略輸出后的獎(jiǎng)勵(lì)函數(shù)(環(huán)境反饋)：

50、rt＝w1rstab+w2rcost+w3rquality

51、其中，rt表示t時(shí)刻下的環(huán)境反饋，w1、w2、以及w3分別表示各項(xiàng)子獎(jiǎng)勵(lì)函數(shù)的加權(quán)權(quán)重，rstab表示連接穩(wěn)定性相關(guān)獎(jiǎng)勵(lì)函數(shù)，rcost表示切換成本相關(guān)獎(jiǎng)勵(lì)函數(shù)，rquality表示通信服務(wù)質(zhì)量相關(guān)獎(jiǎng)勵(lì)函數(shù)。表1詳細(xì)描述各子獎(jiǎng)勵(lì)函數(shù)的取值，其中△d表示執(zhí)行切換策略c后的延遲差，θd表示延遲閾值，△b表示執(zhí)行切換策略c后的帶寬差，θb表示帶寬閾值。

52、表1

53、

54、優(yōu)選的，所述無(wú)盲區(qū)高精度鳥(niǎo)瞰圖，通過(guò)負(fù)責(zé)接收和發(fā)送衛(wèi)星信號(hào)的衛(wèi)星地面基站satellite?ground?station(sgs)，接收部署在衛(wèi)星的衛(wèi)星服務(wù)域所提供的高精度定位，基于平臺(tái)搜集的高精度定位下車(chē)輛軌跡數(shù)據(jù)建立道路語(yǔ)義地圖。所述無(wú)盲區(qū)高精度鳥(niǎo)瞰圖包含4通道信息，分別為道路可行駛區(qū)域、車(chē)道邊界、動(dòng)態(tài)障礙物(車(chē)輛、行人)、以及交通基礎(chǔ)設(shè)施(信號(hào)燈、交通標(biāo)志)。

55、優(yōu)選的，所述語(yǔ)義鳥(niǎo)瞰矩陣，將無(wú)盲區(qū)高精度鳥(niǎo)瞰圖按照不同通道分割為不同語(yǔ)義下的矩陣。無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣大小為[0,1]w×h×c，其中w表示無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣的寬，h表示無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣的高，c表示無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣的通道數(shù)。

56、優(yōu)選的，所述行車(chē)安全場(chǎng)，基于無(wú)盲區(qū)高精度鳥(niǎo)瞰圖，構(gòu)建動(dòng)態(tài)的行車(chē)安全場(chǎng)指導(dǎo)車(chē)輛駕駛行為。行車(chē)安全場(chǎng)采用高斯方程建模，通過(guò)描述智能網(wǎng)聯(lián)汽車(chē)運(yùn)動(dòng)中的行車(chē)安全場(chǎng)風(fēng)險(xiǎn)中心動(dòng)態(tài)轉(zhuǎn)移過(guò)程，評(píng)估智能網(wǎng)聯(lián)汽車(chē)在所處環(huán)境中的行車(chē)風(fēng)險(xiǎn)。

57、優(yōu)選的，所述知識(shí)管理域，通過(guò)vehicle-to-network(v2n)車(chē)云通信獲取車(chē)端群體中智能網(wǎng)聯(lián)汽車(chē)的神經(jīng)網(wǎng)絡(luò)參數(shù)，并通過(guò)車(chē)端的智能底盤(pán)反饋篩選神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行本地神經(jīng)網(wǎng)絡(luò)actor-critic參數(shù)聚合。知識(shí)管理域進(jìn)一步在跨場(chǎng)景訓(xùn)練序列中訓(xùn)練場(chǎng)景因果推理模型，提煉各場(chǎng)景下的可遷移場(chǎng)景因子，建立場(chǎng)景經(jīng)驗(yàn)庫(kù)。當(dāng)有新車(chē)端接入系統(tǒng)時(shí)，知識(shí)管理域推送智能網(wǎng)聯(lián)汽車(chē)所處駕駛環(huán)境的超視距道路語(yǔ)義地圖，并且根據(jù)場(chǎng)景因果推理模型預(yù)測(cè)車(chē)端所處環(huán)境的場(chǎng)景因子，根據(jù)場(chǎng)景經(jīng)驗(yàn)庫(kù)內(nèi)場(chǎng)景因子所對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)參數(shù)給車(chē)端推送參數(shù)經(jīng)驗(yàn)，實(shí)現(xiàn)車(chē)端的快速接入。

58、優(yōu)選的，步驟3中，所述智能座艙域，主要用于提升駕駛安全性、增強(qiáng)用戶(hù)體驗(yàn)和提供個(gè)性化服務(wù)，包含信息系統(tǒng)、交互系統(tǒng)、以及網(wǎng)聯(lián)系統(tǒng)。所屬信息系統(tǒng)通過(guò)高分辨率顯示屏，實(shí)時(shí)展示車(chē)輛信息和娛樂(lè)內(nèi)容，實(shí)現(xiàn)駕駛員對(duì)車(chē)輛狀態(tài)的全面了解。所述交互系統(tǒng)通過(guò)直觀的用戶(hù)界面與語(yǔ)音識(shí)別，實(shí)現(xiàn)車(chē)輛與駕駛員之間的全面信息交互。所述網(wǎng)聯(lián)系統(tǒng)通過(guò)車(chē)聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)車(chē)輛與外部網(wǎng)絡(luò)的無(wú)縫連接。

59、優(yōu)選的，步驟3中，所述智能駕駛域，包含感知處理模塊、軌跡預(yù)測(cè)模塊、以及強(qiáng)化學(xué)習(xí)模塊。所述感知處理模塊通過(guò)vehicle-to-network(v2n)通信獲取云端控制域提供的無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖，并且根據(jù)衛(wèi)星服務(wù)域提供的高精度定位進(jìn)行裁剪。所述軌跡預(yù)測(cè)模塊對(duì)云端控制域提供的無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖多時(shí)步堆疊，并且結(jié)合知識(shí)管理域提供的場(chǎng)景因子，實(shí)現(xiàn)智能網(wǎng)聯(lián)汽車(chē)周?chē)鷦?dòng)態(tài)障礙物的多時(shí)步軌跡預(yù)測(cè)，作為強(qiáng)化學(xué)習(xí)模塊的另一部分輸入。所述強(qiáng)化學(xué)習(xí)模塊將感知處理模塊提供的輸入多時(shí)步堆疊，并與軌跡預(yù)測(cè)模塊提供的周?chē)鷦?dòng)態(tài)障礙物多時(shí)步軌跡預(yù)測(cè)結(jié)果整合為完整的強(qiáng)化學(xué)習(xí)輸入。進(jìn)一步，強(qiáng)化學(xué)習(xí)模塊基于云端控制域提供的行車(chē)安全場(chǎng)，構(gòu)建融合獎(jiǎng)勵(lì)函數(shù)，指導(dǎo)車(chē)端強(qiáng)化學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程。最終，強(qiáng)化學(xué)習(xí)模塊輸出控制指令給動(dòng)力總成域。

60、優(yōu)選的，步驟3中，所述動(dòng)力總成域，主要根據(jù)智能駕駛域的控制指令輸出動(dòng)力控制，通過(guò)電池單元、電機(jī)單元和電控單元的協(xié)同作用，提升動(dòng)力總成域的整體性能和效率，確保電動(dòng)汽車(chē)在行駛過(guò)程中的動(dòng)力表現(xiàn)、能量管理和安全性。所述電池單元通過(guò)高能量密度的電池組，提供持續(xù)且強(qiáng)勁的電力供應(yīng)，實(shí)現(xiàn)車(chē)輛的長(zhǎng)續(xù)航與高效能。所述電機(jī)單元通過(guò)高效電動(dòng)機(jī)與先進(jìn)的轉(zhuǎn)子設(shè)計(jì)，提供快速響應(yīng)的加速性能，實(shí)現(xiàn)靈敏的駕駛體驗(yàn)。所述電控單元通過(guò)高級(jí)控制算法，實(shí)現(xiàn)電動(dòng)機(jī)和電池之間的智能協(xié)調(diào)，優(yōu)化動(dòng)力輸出與能量管理。

61、優(yōu)選的，步驟3中，所述智能底盤(pán)域，主要通過(guò)智能底盤(pán)子系統(tǒng)，實(shí)現(xiàn)對(duì)車(chē)輛行駛舒適性的優(yōu)化，并且基于高精度定位為汽車(chē)提供行駛場(chǎng)景的交通、天氣、路況等信息，支撐底盤(pán)多域融合技術(shù)實(shí)現(xiàn)。所述智能底盤(pán)子系統(tǒng)包含且不限于存在狀態(tài)耦合以及成本耦合的轉(zhuǎn)向子系統(tǒng)、(direct?yaw?control)dyc子系統(tǒng)、懸架子系統(tǒng)以及驅(qū)動(dòng)子系統(tǒng)。所述轉(zhuǎn)向子系統(tǒng)及所述dyc子系統(tǒng)計(jì)算智能網(wǎng)聯(lián)汽車(chē)的橫向控制量，所述懸架子系統(tǒng)計(jì)算智能網(wǎng)聯(lián)汽車(chē)的垂向控制量，所述驅(qū)動(dòng)子系統(tǒng)計(jì)算智能網(wǎng)聯(lián)汽車(chē)的縱向控制量。通過(guò)信息傳輸，智能底盤(pán)域分別連接智能座艙域、智能駕駛域、和動(dòng)力總成域三大場(chǎng)域。首先通過(guò)智能座艙域中的交互，使得智能底盤(pán)域進(jìn)行動(dòng)態(tài)調(diào)整，實(shí)現(xiàn)智能座艙域與智能底盤(pán)域的交互。其次，本發(fā)明將底盤(pán)反饋?zhàn)鳛橹悄荞{駛域狀態(tài)量輸入的一部分，實(shí)現(xiàn)智能駕駛域與智能底盤(pán)域的交互。最后，智能底盤(pán)域的轉(zhuǎn)向子系統(tǒng)、dyc子系統(tǒng)根據(jù)動(dòng)力總成域的輸出以及實(shí)際路徑和期望路徑之間的預(yù)瞄誤差，計(jì)算智能網(wǎng)聯(lián)汽車(chē)橫擺力矩，驅(qū)動(dòng)子系統(tǒng)根據(jù)動(dòng)力總成域輸出以及智能網(wǎng)聯(lián)汽車(chē)的當(dāng)前速度，獲取期望目標(biāo)速度并且計(jì)算智能網(wǎng)聯(lián)汽車(chē)的四輪驅(qū)動(dòng)\制動(dòng)力矩，實(shí)現(xiàn)動(dòng)力總成域與智能底盤(pán)域的交互。

62、優(yōu)選的，步驟5中，所述整合后完整的強(qiáng)化學(xué)習(xí)狀態(tài)量輸入包含兩部分內(nèi)容，第一部分，感知處理模塊通過(guò)vehicle-to-network(v2n)通信獲取云端控制域提供的無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖，并且根據(jù)衛(wèi)星服務(wù)域提供的高精度定位進(jìn)行裁剪，裁剪后的無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣大小為[0,1]w×h×c，其中w表示裁剪后無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣的寬，h表示裁剪后無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣的高，c表示裁剪后無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖矩陣的通道數(shù)。裁剪后的無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖與傳感器信息進(jìn)行堆疊，作為強(qiáng)化學(xué)習(xí)模塊輸入的一部分。第二部分，軌跡預(yù)測(cè)模塊對(duì)云端控制域提供的無(wú)盲區(qū)語(yǔ)義鳥(niǎo)瞰圖多時(shí)步堆疊，并且結(jié)合知識(shí)管理域提供的場(chǎng)景因子，實(shí)現(xiàn)智能網(wǎng)聯(lián)汽車(chē)周?chē)鷦?dòng)態(tài)障礙物的多時(shí)步軌跡預(yù)測(cè)，作為強(qiáng)化學(xué)習(xí)模塊的另一部分輸入。所述強(qiáng)化學(xué)習(xí)模塊將感知處理模塊提供的輸入多時(shí)步堆疊，并與軌跡預(yù)測(cè)模塊提供的周?chē)鷦?dòng)態(tài)障礙物多時(shí)步軌跡預(yù)測(cè)結(jié)果整合為完整的強(qiáng)化學(xué)習(xí)輸入。

63、優(yōu)選的，步驟6中，所述融合獎(jiǎng)勵(lì)函數(shù)從駕駛安全性和駕駛期望兩個(gè)角度考慮，其中駕駛安全性相關(guān)獎(jiǎng)勵(lì)函數(shù)根據(jù)云端控制域所提供的行車(chē)安全場(chǎng)所預(yù)測(cè)的智能網(wǎng)聯(lián)汽車(chē)行車(chē)風(fēng)險(xiǎn)進(jìn)行構(gòu)建。駕駛期望獎(jiǎng)勵(lì)函數(shù)依據(jù)智能網(wǎng)聯(lián)汽車(chē)實(shí)際路徑與期望路徑之間的橫向誤差和航向角偏差進(jìn)行構(gòu)建。

64、本發(fā)明的有益效果：

65、(1)本發(fā)明提供一種天地一體多域融合的高級(jí)別自動(dòng)駕駛系統(tǒng)，通過(guò)衛(wèi)星平臺(tái)、云端平臺(tái)、以及車(chē)端平臺(tái)等多域信息融合，整合不同數(shù)據(jù)來(lái)源，實(shí)現(xiàn)了自動(dòng)駕駛汽車(chē)更全面、無(wú)盲區(qū)的感知和定位，提升規(guī)劃與控制的安全性、可靠性，推動(dòng)智能交通系統(tǒng)綜合效能的全面升級(jí)；

66、(2)基于云端誤差播發(fā)和高低軌衛(wèi)星融合增強(qiáng)技術(shù)，解決了單一地面通信受限于基站覆蓋度產(chǎn)生的汽車(chē)通信失聯(lián)問(wèn)題，保障自動(dòng)駕駛所需的高精度定位和高安全通信需求；基于云端強(qiáng)化學(xué)習(xí)架構(gòu)，通過(guò)通信網(wǎng)絡(luò)自適應(yīng)切換，提升了天地一體系統(tǒng)的通信網(wǎng)絡(luò)穩(wěn)定性；

67、(3)基于平臺(tái)搜集的車(chē)輛高精度軌跡數(shù)據(jù)建立道路語(yǔ)義地圖以及決策控制經(jīng)驗(yàn)池，通過(guò)云端聯(lián)邦學(xué)習(xí)場(chǎng)景經(jīng)驗(yàn)分享，彌補(bǔ)單車(chē)感知能力的局限性，解決單車(chē)智能無(wú)法解決的冗余安全和長(zhǎng)尾問(wèn)題；

68、(4)車(chē)端通過(guò)對(duì)云端提供的語(yǔ)義地圖與自車(chē)構(gòu)建的局部駕駛地圖之間的匹配，實(shí)現(xiàn)對(duì)云端道路語(yǔ)義地圖的動(dòng)態(tài)更新。高精度定位能夠?yàn)槠?chē)提供行駛場(chǎng)景的交通、天氣、路況等信息，提高整個(gè)自動(dòng)駕駛系統(tǒng)的跨場(chǎng)景整合能力，支撐底盤(pán)多域融合技術(shù)實(shí)現(xiàn)，對(duì)于高級(jí)別自動(dòng)駕駛技術(shù)的落地具有重要價(jià)值。