智能駕駛車輛換道決策模型的制作方法
【專利摘要】智能駕駛車輛換道決策模型。本發(fā)明屬于智能交通系統(tǒng)與智能車輛研究技術(shù)領(lǐng)域，涉及機(jī)器學(xué)習(xí)的粗糙集理論，以駕駛員特性為核心，跟馳、換道等微觀模型為載體，通過搭建城市道路環(huán)境虛擬駕駛仿真實(shí)驗(yàn)平臺(tái)，對(duì)換道行為決策進(jìn)行虛擬仿真和真實(shí)實(shí)驗(yàn)研究。獲取并分析駕駛行為決策數(shù)據(jù)，基于粗糙集理論提取經(jīng)驗(yàn)駕駛員行為決策規(guī)則，建立符合人類駕駛認(rèn)知的行為決策模型，通過虛擬仿真平臺(tái)和微觀車輛運(yùn)行軌跡數(shù)據(jù)，驗(yàn)證決策模型可行性與有效性。這也是智能駕駛車輛以及智能輔助駕駛系統(tǒng)開發(fā)和實(shí)現(xiàn)的關(guān)鍵技術(shù)，對(duì)智能駕駛車輛真實(shí)城市道路自主行駛具有十分重要的理論價(jià)值和現(xiàn)實(shí)意義。
【專利說明】
智能駕駛車輛換道決策模型
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于智能交通系統(tǒng)與智能車輛研究技術(shù)領(lǐng)域，涉及機(jī)器學(xué)習(xí)的粗糙集理 論，以駕駛員特性為核心，跟馳、換道等微觀模型為載體，運(yùn)用機(jī)器學(xué)習(xí)理論對(duì)駕駛員行為 決策進(jìn)行建模，建立符合人類駕駛認(rèn)知的駕駛決策模型，這也是智能駕駛車輛以及智能輔 助駕駛系統(tǒng)開發(fā)和實(shí)現(xiàn)的關(guān)鍵技術(shù)，對(duì)智能駕駛車輛真實(shí)城市道路自主行駛具有十分重要 的理論價(jià)值和現(xiàn)實(shí)意義。
【背景技術(shù)】
[0002] 智能交通技術(shù)，尤其是智能駕駛車輛關(guān)鍵技術(shù)的研究對(duì)于提高交通運(yùn)輸系統(tǒng)效率 和安全，實(shí)現(xiàn)交通系統(tǒng)智慧化發(fā)展具有十分重要的意義。美歐日各國加強(qiáng)了智能交通和智 能車輛關(guān)鍵技術(shù)研究。例如，美國Connected Vehicles計(jì)劃以及交通部發(fā)起的各汽車制造 商推動(dòng)的 VSC 計(jì)劃；歐洲推出的CVIS(cooperative vehicle Infrastructure System)、 AWAKE、AIDE、Comuni CAR，C2X，CityMobi le2等計(jì)劃；日本推出先進(jìn)的安全車輛(Advanced Safety vehicle，ASV)計(jì)劃。
[0003] 智能駕駛車輛是集環(huán)境感知與認(rèn)知、動(dòng)態(tài)規(guī)劃與決策、行為控制與執(zhí)行等多項(xiàng)功 能于一體的綜合智能平臺(tái)，涵蓋了機(jī)械、電子、人工智能、傳感器技術(shù)、信號(hào)處理、自動(dòng)控制 和計(jì)算機(jī)技術(shù)等諸多學(xué)科。它主要通過傳感器從周圍的道路交通環(huán)境進(jìn)行知識(shí)獲取，由計(jì) 算機(jī)系統(tǒng)對(duì)收集到的數(shù)據(jù)進(jìn)行知識(shí)表達(dá)，然后對(duì)車輛的行駛狀況進(jìn)行智能控制，從而完成 許多尚智能任務(wù)。
[0004] 加強(qiáng)智能駕駛車輛研究對(duì)于保證道路交通安全，提高道路通行能力，保護(hù)人民財(cái) 產(chǎn)安全具有重要意義。從國家的戰(zhàn)略背景來看，國家973計(jì)劃從20世紀(jì)90年代就開始支持相 關(guān)研究。2008年起，在國家自然科學(xué)基金委員會(huì)的支持下，國內(nèi)研究機(jī)構(gòu)開始開展"視聽覺 信息的認(rèn)知計(jì)算"研究。從行業(yè)背景來看，國際上的各大汽車公司都把智能駕駛車輛的研究 作為本企業(yè)戰(zhàn)略發(fā)展的重點(diǎn)。包括:美國的福特汽車公司、德國的奧迪汽車公司、寶馬汽車 公司、沃爾沃汽車公司、日本的豐田汽車公司、國內(nèi)的上汽集團(tuán)、比亞迪、長安等汽車研究機(jī) 構(gòu)或者公司都開展了智能駕駛車輛的研究。從知名機(jī)構(gòu)研究背景來看，國內(nèi)外的各大知名 研究機(jī)構(gòu)或者學(xué)校都開展了智能駕駛車輛的研究。包括:美國的卡內(nèi)基梅隆大學(xué)、斯坦福大 學(xué)、麻省理工學(xué)院、加州大學(xué)伯克利分校等;德國的慕尼黑工業(yè)大學(xué)、柏林工業(yè)大學(xué);意大利 的帕爾瑪大學(xué)；日本的東京大學(xué);新加坡國立大學(xué)等。
[0005] 智能駕駛車輛研究的核心問題包括環(huán)境感知、行為決策、運(yùn)動(dòng)控制。針對(duì)環(huán)境感知 和運(yùn)動(dòng)控制，各國研究學(xué)者和專家進(jìn)行了大量而有成效的研究。而作為三大關(guān)鍵問題之一 的行為決策方面的研究，尤其是復(fù)雜動(dòng)態(tài)環(huán)境下具備仿生決策能力的相關(guān)研究較少。原因 在于，實(shí)際城市道路環(huán)境中，智能駕駛車輛所感知獲取的是瞬息萬變的復(fù)雜動(dòng)態(tài)信息，交通 要素變化的復(fù)雜、隨機(jī)、不確定性等特點(diǎn)，以及車輛對(duì)駕駛決策的實(shí)時(shí)性、魯棒性、環(huán)境適應(yīng) 性等要求，復(fù)雜動(dòng)態(tài)城市環(huán)境下智能駕駛車輛的行為決策面臨巨大的挑戰(zhàn)。
[0006] 統(tǒng)計(jì)資料顯示，車輛不恰當(dāng)?shù)膿Q道行為是道路交通事故和交通擁堵的主要因素， 尤其在復(fù)雜動(dòng)態(tài)的交通環(huán)境下，車輛的換道空間具有明顯的差異性。因此加強(qiáng)復(fù)雜動(dòng)態(tài)城 市環(huán)境下車輛換道行為決策研究對(duì)于保證車輛行駛安全、提高道路通行能力、改善綠色生 態(tài)駕駛環(huán)境具有重要意義。
[0007] 經(jīng)驗(yàn)駕駛員可以連續(xù)不斷地從道路環(huán)境和車輛運(yùn)行狀況中獲取道路交通和車輛 運(yùn)行等多源信息，并對(duì)其進(jìn)行融合，進(jìn)而安全有效的決定車輛下一步的行駛模式?；趥鹘y(tǒng) 知識(shí)處理方法的系統(tǒng)，如無人駕駛系統(tǒng)，在對(duì)認(rèn)知領(lǐng)域有足夠完備、清晰認(rèn)識(shí)的基礎(chǔ)上，可 以很好地工作，但一旦所給信息缺損、或模糊化，則其認(rèn)知能力會(huì)急劇降低。原因在于分析 方法只能在給定的匹配模式下工作，對(duì)環(huán)境的適應(yīng)能力較差，不適合處理不確定知識(shí)。因 此，智能駕駛車輛的行駛可以借鑒駕駛員行為決策知識(shí)進(jìn)行機(jī)器學(xué)習(xí)，探究具有不完整數(shù) 據(jù)、不確定知識(shí)特點(diǎn)的駕駛規(guī)劃決策知識(shí)獲取算法，消除多源信息間可能存在的冗余和矛 盾信息，降低其不確定性，以形成對(duì)駕駛系統(tǒng)的相對(duì)完整一致性描述，從而提高駕駛系統(tǒng)決 策及反應(yīng)的快速性和準(zhǔn)確性，為智能駕駛車輛智能行為決策控制提供理論依據(jù)。
[0008] 因此，針對(duì)復(fù)雜動(dòng)態(tài)城市環(huán)境，綜合考慮多因素對(duì)換道行為決策的影響，通過建立 城市道路環(huán)境虛擬仿真實(shí)驗(yàn)平臺(tái)，整理分析經(jīng)驗(yàn)駕駛員行為決策數(shù)據(jù)，通過經(jīng)驗(yàn)駕駛員行 為決策分析，借鑒經(jīng)驗(yàn)駕駛員認(rèn)知和行為決策規(guī)則，建立智能駕駛車輛仿生換道決策模型， 使智能駕駛車輛具備復(fù)雜動(dòng)態(tài)環(huán)境下仿生認(rèn)知和換道決策能力，進(jìn)一步提高智能駕駛車輛 行駛安全性和可靠性。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明的目的是提供一種仿生換道決策模型，克服已有智能車輛行為決策可靠性 有待進(jìn)一步提高這一問題。該模型以虛擬仿真實(shí)驗(yàn)為支撐，以分析和提取經(jīng)驗(yàn)駕駛員換道 過程的決策規(guī)則為研究切入點(diǎn)，充分考慮城市道路交通的復(fù)雜性、動(dòng)態(tài)性對(duì)換道決策行為 的影響，借鑒經(jīng)驗(yàn)駕駛員的換道決策經(jīng)驗(yàn)，進(jìn)行仿生換道決策，為智能駕駛車輛的決策系統(tǒng) 提供堅(jiān)實(shí)的基礎(chǔ)。
[0010] 本發(fā)明采用了如下的技術(shù)方案：
[0011] 智能駕駛車輛的換道決策模型，針對(duì)城市環(huán)境下?lián)Q道決策的復(fù)雜性和動(dòng)態(tài)性，通 過試驗(yàn)獲取經(jīng)驗(yàn)駕駛員車輛換道決策過程中駕駛員的行為操作參數(shù)、本車輛位置、速度、加 速度以及與周邊車輛的相對(duì)位置，速度等基本狀態(tài)數(shù)據(jù)，分析行為決策的主要影響因素，基 于粗糙集提取經(jīng)驗(yàn)駕駛員換道行為決策規(guī)則，并結(jié)合間隙可接受理論和安全閾值理論設(shè)定 模型里面的關(guān)鍵參數(shù)，構(gòu)建智能駕駛車輛的換道決策模型，進(jìn)而給出當(dāng)前交通環(huán)境狀況下 車輛換道的安全時(shí)間段，實(shí)現(xiàn)城市道路環(huán)境下的智能駕駛車輛安全有效的換道決策。
[0012] 所述的智能駕駛車輛的換道決策模型，其特征在于，深入研究經(jīng)驗(yàn)駕駛員認(rèn)知決 策過程，對(duì)駕駛員的換道決策進(jìn)行知識(shí)獲取與表達(dá)，基于粗糙集提取經(jīng)驗(yàn)駕駛員換道行為 決策規(guī)則，建立經(jīng)驗(yàn)駕駛知識(shí)庫，制定智能駕駛車輛的換道決策策略。
[0013] 所述的智能駕駛車輛的換道決策模型的仿真結(jié)果分析，通過間隙判定，實(shí)時(shí)計(jì)算 安全換道時(shí)域，獲得符合經(jīng)驗(yàn)駕駛員的安全換道時(shí)域。根據(jù)實(shí)車實(shí)驗(yàn)的數(shù)據(jù)，驗(yàn)證該決策模 型有較強(qiáng)的魯棒性，算法簡單直觀，便于工程應(yīng)用。
[0014] 所述的經(jīng)驗(yàn)駕駛員決策規(guī)則庫，為解決城區(qū)動(dòng)態(tài)環(huán)境下智能駕駛車輛的決策不準(zhǔn) 確、不靈活等問題，通過對(duì)經(jīng)驗(yàn)駕駛員行為的分析總結(jié)，基于粗糙集理論進(jìn)行屬性約簡，提 取影響經(jīng)驗(yàn)駕駛員決策的主要因素，形成經(jīng)驗(yàn)駕駛員的決策規(guī)則。規(guī)則表明：在車輛行駛過 程中，相比于兩車間相對(duì)速度對(duì)行為決策的影響，本車與當(dāng)前車道前導(dǎo)車、本車與目標(biāo)車道 前導(dǎo)車、本車與目標(biāo)車道后隨車之間的相對(duì)距離對(duì)換道行為決策影響更大。如果兩車之間 的相對(duì)距離超過10m，駕駛員就會(huì)采取加速策略來調(diào)整車速避免過大的車間距；當(dāng)車輛相對(duì) 距離（當(dāng)前車道本車與前導(dǎo)車的相對(duì)距離)D rel均小于6.65m，駕駛員會(huì)采取減速策略。當(dāng)本 車與當(dāng)前車道的前車、本車與目標(biāo)車道的前導(dǎo)車、當(dāng)本車與目標(biāo)車道的后隨車的相對(duì)速度 Vre5i均在lm/s左右時(shí)，駕駛員會(huì)采取勻速行駛策略。在自由換道過程中，本車與當(dāng)前車道前 導(dǎo)車的相對(duì)速度維持在4-7m/s、與目標(biāo)車道空間距離在20-35m時(shí)駕駛員會(huì)進(jìn)行換道決策。
[0015] 本發(fā)明的有益效果是:根據(jù)周邊環(huán)境狀況，提出智能車輛換道決策模型，該模型可 以給出安全有效、與經(jīng)驗(yàn)駕駛員相似的行為決策，該模型的推廣可實(shí)現(xiàn)復(fù)雜動(dòng)態(tài)城市環(huán)境 下智能駕駛車輛的安全有效行駛，提高智能駕駛車輛的行為決策水平。
【附圖說明】
[0016] 下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明；
[0017] 圖1為基于粗糙集的智能駕駛車輛仿生認(rèn)知決策圖；
[0018] 圖2為車輛縱向行為的本車加速度與前導(dǎo)車相對(duì)速度示意圖；
[0019] 圖3為車輛仿真速度選擇策略判定示意圖；
[0020] 圖4為車輛仿真換道決策模型判定示意圖；
[0021 ]圖5為智能駕駛車輛的轉(zhuǎn)向電機(jī)電壓與模型判定關(guān)系圖；
[0022]圖6為智能駕駛車輛匯入行為決策流程圖；
[0023]圖7為車輛橫向位移與協(xié)同行為判定關(guān)系圖。
【具體實(shí)施方式】
[0024]如圖1所示，在復(fù)雜城市道路環(huán)境下，智能駕駛車輛需要處理大量模糊、不確定、不 完備信息。通過粗糙集理論提取經(jīng)驗(yàn)駕駛員的決策信息幫助智能車輛進(jìn)行決策。粗糙集的 優(yōu)勢(shì)在于，不需要先驗(yàn)知識(shí)，通過屬性(知識(shí))約簡，求得最簡的知識(shí)表達(dá)或者提取出決策規(guī) 貝1J。目前，粗糙集廣泛用于機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、模式識(shí)別等信息處理領(lǐng)域，為信息的智能處 理提供了有效的途徑和技術(shù)。
[0025]如圖2所示，駕駛員始終傾向于車間距維持一定距離。這個(gè)距離就是駕駛員根據(jù)相 關(guān)的交通要素形成的認(rèn)知然后決策形成的安全距離，在一定意義上也是駕駛員的認(rèn)知的安 全閾值。只要超過這個(gè)閾值，駕駛員就會(huì)進(jìn)行相應(yīng)的加減速來控制車輛。這與駕駛員在實(shí)際 道路行駛過程中的認(rèn)知決策因素是基本相符的。
[0026]如圖3所示，安全閾值Dthre5S基本與駕駛員的行為決策相吻合。圖中幾處與模型決策 差距相反或者較大的地方，通過提取的駕駛規(guī)則可以發(fā)現(xiàn)，當(dāng)本車與當(dāng)前車道的前車、本車 與目標(biāo)車道的前導(dǎo)車、當(dāng)本車與目標(biāo)車道的后隨車的相對(duì)距離D rel均小于6.65m，駕駛員會(huì) 進(jìn)行減速的決策，當(dāng)車輛相對(duì)速度Vrel均在lm/s左右時(shí)，駕駛員選擇勻速行駛。因此，最終形 成駕駛員的速度選擇策略為：
[0028]如圖4所示，車輛的橫向位移直觀的體現(xiàn)了車輛的整個(gè)換道過程，模型通過安全車 間距條件的約束，判定換道的意圖，并計(jì)算相應(yīng)的換道安全區(qū)域，駕駛員的換道行為全部發(fā) 生在安全區(qū)域內(nèi)，證明模型具有一定的仿生性。
[0029]如圖5所示，車輛的方向盤轉(zhuǎn)向電機(jī)電壓一般為-0.5v_0.5v，決策模型正確判定了 車輛的換道時(shí)機(jī)，并將決策信息傳遞到車輛的運(yùn)動(dòng)控制層實(shí)現(xiàn)車輛的換道行為。
[0030]如圖6所示，在gapF>0的條件下，駕駛員可以進(jìn)行自由匯入或者減速匯入;在gapF < 〇的條件下，通過后隨車輛與匯入車輛、前導(dǎo)車的相對(duì)距離Dlag、gap的變化來判定主干道 車輛是否具有協(xié)同禮讓行為，如果D lag、Dramp均變大，那么意味著主干道的車輛做出了協(xié)同 禮讓行為，匯入車輛可以實(shí)施匯入行為。
[0031] 匯入車輛需要對(duì)Drem-ramp進(jìn)行判定，如果其滿足Drem- ramp<Dmin-ramp，那么可以繼續(xù)選 擇其他匯入間隙進(jìn)行匯入，如果Dre?-ramp>Dmin- ramp，匯入車輛只能選擇強(qiáng)制匯入或者減速或 者停車等待。
[0032]如圖7所示，決策模型首先判定車輛間的協(xié)同行為，并按照提取的駕駛員決策規(guī)則 進(jìn)行匯入，通過車輛的橫向軌跡反映了匯入決策流程的正確性以及匯入行為的可行性。
【主權(quán)項(xiàng)】
1. 智能駕駛車輛換道決策模型，其特征在于，針對(duì)城市環(huán)境下?lián)Q道決策的復(fù)雜性和動(dòng) 態(tài)性，通過虛擬仿真實(shí)驗(yàn)，獲取經(jīng)驗(yàn)駕駛員車輛換道決策過程中駕駛行為操縱、本車位置、 速度、加速度以及周邊車輛的相對(duì)位置、速度等狀態(tài)數(shù)據(jù)，分析換道行為決策的主要影響因 素，基于粗糙集提取經(jīng)驗(yàn)駕駛員換道行為決策規(guī)則，結(jié)合間隙可接受理論和安全閾值理論， 基于當(dāng)前車道與目標(biāo)車道車輛之間的安全間隙Dthm，構(gòu)建智能駕駛車輛換道決策模型，實(shí) 現(xiàn)城市環(huán)境下智能駕駛車輛安全有效的換道決策。2. 如權(quán)利要求1所述的智能駕駛車輛換道決策模型，其特征在于，經(jīng)驗(yàn)駕駛員換道決策 過程分為三個(gè)階段，包括換道意圖產(chǎn)生、換道條件判斷、換道執(zhí)行;獲取三個(gè)階段的決策表 征參數(shù)，對(duì)換道決策表征參數(shù)進(jìn)行知識(shí)獲取與表達(dá)，基于粗糙集提取經(jīng)驗(yàn)駕駛員換道行為 決策規(guī)則，建立經(jīng)驗(yàn)駕駛知識(shí)庫;綜合考慮當(dāng)前車道本車位置和速度、當(dāng)前車道前導(dǎo)車位置 和速度、目標(biāo)車道前導(dǎo)車、后隨車位置和速度、與本車的相對(duì)速度和距離、經(jīng)驗(yàn)駕駛員反應(yīng) 時(shí)間等對(duì)換道決策的影響，得到換道決策策略，提高換道決策模型的環(huán)境自適應(yīng)性和魯棒 性。3. 如權(quán)利要求1、2所述的智能駕駛車輛換道決策模型，其特征在于，換道行為之前一般 是跟馳行駛階段，其車輛橫向加速度維持在-2m/s2-----2m/s2，超過該加速度值，判定駕駛 員執(zhí)行換道操作。4. 如權(quán)利要求1、2所述的智能駕駛車輛換道決策模型，其特征在于，基于粗糙集提取經(jīng) 驗(yàn)駕駛員換道行為決策規(guī)則。其中粗糙集采用三分的等距劃分方法進(jìn)行數(shù)據(jù)離散化、屬性 約簡，得到經(jīng)驗(yàn)駕駛員行為決策的主要影響因素，形成決策規(guī)則。規(guī)則表明：在車輛行駛過 程中，相比于兩車間相對(duì)速度對(duì)行為決策的影響，本車與當(dāng)前車道前導(dǎo)車、本車與目標(biāo)車道 前導(dǎo)車、本車與目標(biāo)車道后隨車之間的相對(duì)距離對(duì)換道行為決策影響更大。如果兩車之間 的相對(duì)距離超過l〇m，駕駛員就會(huì)采取加速策略來調(diào)整車速避免過大的車間距；當(dāng)車輛相對(duì) 距離（當(dāng)前車道本車與前導(dǎo)車的相對(duì)距離)D rel均小于6.65m，駕駛員會(huì)采取減速策略。當(dāng)車 輛相對(duì)速度Vral均在lm/s左右時(shí)，駕駛員會(huì)采取勻速行駛策略。5. 如權(quán)利要求1、2所述的智能駕駛車輛換道決策模型，其特征在于，根據(jù)粗糙集提取的 換道決策規(guī)則為:本車與當(dāng)前車道前導(dǎo)車相對(duì)速度維持在4-7m/s、與目標(biāo)車道空間距離在 20-35m時(shí)駕駛員會(huì)決策換道，并能保證換道行為的安全。6. 如權(quán)利要求1、2所述的智能駕駛車輛換道決策模型，其特征在于，粗糙集提取的經(jīng)驗(yàn) 駕駛員決策規(guī)則結(jié)合間隙可接受理論，建立自由換道狀態(tài)下的換道決策模型，實(shí)時(shí)判定換 道意圖以及換道間隙的安全性，給出安全換道時(shí)間段。7. 如權(quán)利要求1、2所述的智能駕駛車輛換道決策模型，其特征在于，粗糙集提取的決策 規(guī)則結(jié)合安全閾值理論，駕駛員行為決策策略為：當(dāng)D thres>0 and Drel>6,65m時(shí)，行為決策 是加速行駛：當(dāng)DthresCO or Dre3I<6,65m時(shí)，行為決策是減速或者換道行駛；當(dāng)lm/s>Vre3I >-lm/s and Drel>6,65m時(shí)，行為決策是勻速行駛。實(shí)驗(yàn)驗(yàn)證了行為決策模型的有效性。8. 如權(quán)利要求1、2、6、7所述的智能駕駛車輛換道決策模型，其特征在于，安全換道判定 規(guī)則可應(yīng)用于車輛安全匯入時(shí)間的判定決策，得到匯入決策流程圖以及匯入決策模型。
【文檔編號(hào)】G06F17/50GK105912814SQ201610289286
【公開日】2016年8月31日
【申請(qǐng)日】2016年5月5日
【發(fā)明人】陳雪梅
【申請(qǐng)人】蘇州京坤達(dá)汽車電子科技有限公司