近日，人工智能学院人工智能技术与应用团队（浙江-芬兰智能感知计算与装备联合实验室）最新研究成果在国际高水平期刊《Engineering Applications of Artificial Intelligence》正式发表。这一题为《Bimodal temporal modeling reinforcement learning with safety mechanism for highway lane change in mixed traffic》的论文，徐兴教授为第一作者，硕士研究生史庭鹏为第二作者，浙江科技大学为第一完成单位。
研究聚焦于混合交通环境中智能车辆的核心决策难题，创新性地提出一种结合换道安全机制的双模态时序建模强化学习算法。该算法实现了对观测状态和车辆关系两类关键模态信息的精确建模，通过时序模块从历史交通经验中提取有效表征信息，同步评估换道过程中的碰撞风险，以安全性评价为导向引导策略网络选择最优换道动作，有效平衡了换道效率与行驶安全。为验证算法的有效性与普适性，研究团队构建了多维度测试体系，在三种不同复杂度的混合交通场景下开展系统实验。实验以训练奖励、平均车速为核心指标完成算法训练与优化，并重点测试了碰撞率与平均行驶距离两大关键性能。结果显示，相较于现有方法，该算法在所有测试场景中均实现了碰撞率的显著降低，同时有效提高了车辆平均行驶速度，充分证明了所提方法在工程应用中的可行性与优越性。研究成果为智能网联汽车（CAV）的工程应用提供了关键技术支持。
人工智能技术与应用团队立足长三角发展需求，紧扣国家创新驱动发展战略与 “一带一路” 科技创新合作，以中芬国际联合实验室为重要载体，深耕人工智能与先进制造深度融合前沿，围绕智能感知计算、决策与装备核心方向，重点攻关多模态信息融合、云边协同智能计算、智能装备系统等关键技术，以国际协同创新赋能产业升级与技术突破。（人工智能学院）
