数智融合理论及应用研究团队提出物联网赋能多目标生态驾驶框架

新闻网讯 近日，电子信息与电气工程学院数智融合理论及应用研究团队在智能网联汽车生态驾驶优化领域取得进展，提出一种名为DDPG-KAN的物联网赋能多目标生态驾驶框架，相关成果在国际物联网领域顶级期刊《IEEE Internet of Things Journal》（IEEE IoT）上发表。

论文题为《IoT-Enabled Eco-Driving Optimization for Connected and Automated Vehicles in Roundabouts Using KAN-Enhanced Deep Reinforcement Learning》，第一作者为电信学院2023级研究生简成利，通讯作者为涂继辉副教授，我校为第一署名单位。

随着物联网技术与网联自动驾驶汽车的深度融合，生态驾驶已成为推动可持续智能交通发展的关键策略。然而，在环形路口等复杂拥堵交通场景中，如何实现能效、通行效率、安全性与驾驶舒适性之间的动态平衡，仍是当前面临的核心挑战。

针对以上问题，团队提出物联网赋能多目标生态驾驶框架，创新性地将深度确定性策略梯度算法与Kolmogorov–Arnold网络相结合，通过多目标奖励函数，协同优化各项指标，同时引入动作审查机制与模型预测控制器，进而实现碰撞规避与平顺控制。

实验结果显示，相较于基于规则的方法，该框架在能量消耗、交通效率、碳排放、碰撞预警及驾驶舒适性方面，分别优化了31.87%、10.93%、31.86%、38.34%和53.46%，充分验证了其作为物联网驱动的智能交通解决方案的突出潜力，为构建可持续绿色交通网络提供了重要的理论支撑与技术路径。

《IEEE Internet of Things Journal》是物联网领域最具影响力的国际期刊之一，当前为中科院一区top期刊，最新影响因子8.2，主要收录物联网系统架构、通信协议、智能数据处理及跨领域应用等方面的研究成果。

本研究得到国家自然科学基金、上海市科技创新行动计划晨星计划、长安汽车公司智能汽车安全技术全国重点实验室开放基金等多个项目的支持。（电子信息与电气工程学院供稿）

（审核 张晨露 编辑 李胜杰）