基于神经网络的无人驾驶决策方法、系统、介质及设备

本发明提供了一种基于神经网络的无人驾驶决策方法、系统、介质及设备，属于智能交通与自动驾驶技术领域，该方法通过扩展多模态输入特征以适配公交场景，构建公交专属特征体系，经Transformer编码器融合后输出场景全局特征；采用纵横向查询融合叠加分解自注意力架构进行轨迹解码，生成公交专属多模态候选轨迹及置信度评分；构建包含公交专属损失的多目标损失函数，采用增量训练方式优化模型参数；训练完成后，将模型部署至无人驾驶公交的车端决策层，实时接收多源感知信息，输出最优轨迹作为决策动作。上述方法可以增强无人驾驶公交在复杂场景中的适配性和鲁棒性，还能够同时满足安全、准点、舒适等多重需求。