[發(fā)明專(zhuān)利]一種基于行車(chē)預(yù)測(cè)場(chǎng)和BP神經(jīng)網(wǎng)絡(luò)的智能車(chē)輛駕駛行為擬人化決策方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910071774.6
• 申請(qǐng)日: 2019-01-25
• 公開(kāi)（公告）號(hào): CN109726804B
• 公開(kāi)（公告）日: 2023-06-13
• 發(fā)明（設(shè)計(jì)）人: 蔡英鳳;邰康盛;劉擎超;梁軍;陳小波;李祎承;何友國(guó);陳龍;唐斌;王海
• 申請(qǐng)（專(zhuān)利權(quán)）人: 江蘇大學(xué)
• 主分類(lèi)號(hào): G06N3/0475
• 分類(lèi)號(hào): G06N3/0475;G06N3/084
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開(kāi)了一種基于行車(chē)預(yù)測(cè)場(chǎng)和BP神經(jīng)網(wǎng)絡(luò)的智能車(chē)輛駕駛行為擬人化決策方法，步驟1：將周邊車(chē)輛行為根據(jù)橫向與縱向兩個(gè)方面組合劃分，劃分為9個(gè)典型行為bi，擬合每個(gè)車(chē)輛行為bsubgt;i/subgt;對(duì)應(yīng)的相似性軌跡，設(shè)目標(biāo)車(chē)輛依照相似性軌跡行駛過(guò)的區(qū)域；步驟2：取智能車(chē)輛當(dāng)前車(chē)道的前后方車(chē)輛與相鄰車(chē)道的前后方車(chē)輛作為其周?chē)?chē)輛，智能車(chē)輛使用V2V通信實(shí)時(shí)獲取每個(gè)時(shí)刻各車(chē)的位置、速度、加速度；步驟3：建立安全預(yù)測(cè)場(chǎng)，效率預(yù)測(cè)場(chǎng)，駕駛舒適預(yù)測(cè)場(chǎng)；步驟4：智能車(chē)輛依據(jù)實(shí)時(shí)獲取各行為bsubgt;i/subgt;在行車(chē)預(yù)測(cè)場(chǎng)下的子預(yù)測(cè)場(chǎng)場(chǎng)強(qiáng)和，歸一化處理后輸入BP神經(jīng)網(wǎng)絡(luò)駕駛行為決策模型，輸出y向量解碼后得出最合理的駕駛行為決策結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明屬于智能駕駛決策領(lǐng)域，具體涉及一種基于行車(chē)預(yù)測(cè)場(chǎng)和BP神經(jīng)網(wǎng)絡(luò)的智能車(chē)輛駕駛行為擬人化決策方法。

背景技術(shù)

智能駕駛車(chē)輛是一種具有自主行駛能力的車(chē)輛，除了能夠完成常規(guī)的汽車(chē)駕駛動(dòng)作外，還具有針對(duì)交通場(chǎng)景的環(huán)境感知、行為決策、運(yùn)動(dòng)規(guī)劃、車(chē)輛控制、自動(dòng)避障等類(lèi)人行為能力。作為無(wú)人駕駛車(chē)輛智能化水平的一個(gè)重要體現(xiàn)，駕駛行為決策目前己經(jīng)成為各方專(zhuān)家學(xué)者研究的重點(diǎn)和難點(diǎn)。對(duì)于駕駛車(chē)輛這一復(fù)雜行為來(lái)說(shuō)，駕駛員往往是憑借眼睛、耳朵等這些外部感知器官來(lái)收集道路環(huán)境信息，依據(jù)駕駛經(jīng)驗(yàn)與期望追求來(lái)選擇駕駛行為，從而制定運(yùn)動(dòng)規(guī)劃。而智能駕駛車(chē)輛也應(yīng)具有“擬人化”的決策機(jī)制，根據(jù)其根據(jù)當(dāng)前的行駛狀態(tài)、駕駛?cè)蝿?wù)和道路環(huán)境感知信息，對(duì)車(chē)輛下一時(shí)刻的駕駛行為進(jìn)行決策。

現(xiàn)階段，駕駛行為決策模型的研究往往先對(duì)駕駛交通場(chǎng)景進(jìn)行分類(lèi)然后針對(duì)該駕駛場(chǎng)景進(jìn)行行為決策，雖然對(duì)某些特定駕駛場(chǎng)景能獲得較好的決策結(jié)果，但在真實(shí)的交通環(huán)境中交通要素復(fù)雜、隨機(jī)和不確定因素多，而決策系統(tǒng)不可能完全涵蓋所有可能的駕駛場(chǎng)景，因此這類(lèi)方法一般不能達(dá)到較好的魯棒性和適應(yīng)性。此外，現(xiàn)有智能車(chē)輛駕駛行為決策方法往往注重于車(chē)輛規(guī)避行車(chē)危險(xiǎn)的能力，而正常理性的駕駛員在駕駛時(shí)的行為決策可以抽象為一個(gè)不斷追求收益最大化的過(guò)程，此類(lèi)方法忽視了駕駛員或乘客對(duì)車(chē)輛其它性能的期望收益，例如高效性、駕駛舒適性等。事實(shí)上，智能車(chē)輛“駕駛腦”也只有像人類(lèi)一樣達(dá)到對(duì)日益交通環(huán)境感知的升華，才能做到真正的“智能”駕駛。近年來(lái)，隨著通信技術(shù)的發(fā)展，車(chē)聯(lián)網(wǎng)、車(chē)對(duì)車(chē)(V2V)、智能手機(jī)等通信設(shè)備也可以幫助車(chē)輛準(zhǔn)確地獲取周?chē)~外的信息，這也給建立一個(gè)能夠適應(yīng)多駕駛場(chǎng)景的行車(chē)預(yù)測(cè)場(chǎng)增添了便利。

發(fā)明內(nèi)容

針對(duì)駕駛場(chǎng)景的復(fù)雜多變以及人們對(duì)于行車(chē)安全性、高效性和舒適性要求的提高，本發(fā)明提出了一種基于行車(chē)安全性、高效性和舒適性的行車(chē)預(yù)測(cè)場(chǎng)，并基于此和BP神經(jīng)網(wǎng)絡(luò)提出了一種智能車(chē)輛行為決策方法，能夠根據(jù)周?chē)煌ōh(huán)境合理地作出行為擬人化決策，為智能車(chē)輛自身的運(yùn)動(dòng)軌跡規(guī)劃提供參考依據(jù)。本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)。一種基于行車(chē)預(yù)測(cè)場(chǎng)的智能車(chē)輛駕駛行為擬人化決策方法，具體包括：

Step1：將周邊車(chē)輛行為根據(jù)橫向與縱向兩個(gè)方面組合劃分，離散化劃分為9個(gè)典型行為bi。擬合每個(gè)車(chē)輛行為b_i對(duì)應(yīng)的相似性軌跡，設(shè)目標(biāo)車(chē)輛依照相似性軌跡行駛過(guò)的區(qū)域?yàn)?/p>

Step2：取智能車(chē)輛當(dāng)前車(chē)道的前后方車(chē)輛與相鄰車(chē)道的前后方車(chē)輛作為其周?chē)?chē)輛，每輛交通環(huán)境參與車(chē)使用車(chē)載的GPS與IMU聯(lián)合定位系統(tǒng)實(shí)時(shí)獲取每個(gè)時(shí)刻自車(chē)的位置(x,y)、速度(V_x,V_y)、加速度(a_x,a_y)。構(gòu)建周邊車(chē)輛群體實(shí)時(shí)V2V通信網(wǎng)絡(luò)，主車(chē)(智能車(chē)輛)使用V2V通信技術(shù)中LTE模塊的D2D(Device-To-Device)鄰近通信服務(wù)(ProSe)實(shí)時(shí)獲取所處交通環(huán)境周邊車(chē)輛的狀態(tài)信息。

Step3：根據(jù)相似性軌跡行駛過(guò)的區(qū)域?yàn)橐约八幗煌ōh(huán)境周邊車(chē)輛的狀態(tài)信息，建立行車(chē)預(yù)測(cè)場(chǎng)，包含安全預(yù)測(cè)場(chǎng)E_S，效率預(yù)測(cè)場(chǎng)E_E，駕駛舒適預(yù)測(cè)場(chǎng)E_C。

(1)智能車(chē)輛行車(chē)區(qū)域內(nèi)任意一點(diǎn)位置受到周?chē)趈輛車(chē)影響所具有的單位安全勢(shì)值