[發明專利]智能駕駛橫向換道決策方法、系統和裝置

有效

• 申請號: 201910552495.1
• 申請日: 2019-06-25
• 公開（公告）號: CN110304045B
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 張啟超;王俊杰;趙冬斌
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: B60W30/02
• 分類號: B60W30/02;G06N3/04;G06N20/00
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明屬于智能駕駛領域，具體涉及一種智能駕駛橫向換道決策方法，旨在為了解決現有決策方法對未知情況的泛化能力和對異常情況的抗干擾能力較差的問題。本發明采集目標車輛及相鄰車輛的速度信息和位置信息，轉化為環境表征；通過基于深度強化學習算法構建的高層決策模型獲取高層橫向駕駛決策動作；基于環境信息和高層橫向駕駛決策動作，通過基于規則的低層校正器校正高層橫向駕駛決策動作，獲取目標車輛最終的橫向駕駛決策動作。本發明在基于學習的方法的基礎上，加入規則的限制，相比于規則的方法提高了泛化能力，相比于學習的方法提高了對異常情況的抗干擾能力，提高了穩定性，可實現高速路場景下安全、穩定的車輛自主橫向換道決策。

技術領域

本發明屬于智能駕駛領域，具體涉及一種智能駕駛橫向換道決策方法、系統和裝置。

背景技術

駕駛員失誤作為發生交通事故的主要原因已被世界各國所公認，據統計，道路交通事故的原因中大約有75％是人為駕駛失誤，其中有19％是因為無意識的車道偏離，26％是因為前向追尾。美國伊諾交通中心的研究發現，如果美國車輛的10％都是自動駕駛的，那么每年可以減少二十一萬多起事故，挽救超過一千人的生命，汽車事故的經濟成本將減少二百多億美元。如果90％的汽車都是自動駕駛，這個數字將會更加可觀：可以預防四百二十萬起事故，挽救兩萬七千人的生命，并減少超過四千億美元的損失。相對于人類駕駛，智能駕駛系統具有反應時間短、感知精度高等優點，因此研究智能駕駛技術對于減少因人為因素導致的交通事故具有十分重要的意義。

目前在智能駕駛的決策領域，主要有基于規則的方法和基于學習的方法這兩大類。基于規則的方法通常需要大量的人工設計的規則和大量的專家知識，面對未出現過的復雜駕駛場景，如何做出正確可靠的決策行為是基于規則的傳統方法面臨的難題。基于學習的方法大多依賴于深度神經網絡，雖然相較于基于規則的方法具有更好的泛化能力，但是在輸入中加入小的擾動可能導致輸出的巨大不同。

綜上所述，現有決策方法對未知情況的泛化能力和對異常情況的抗干擾能力較差，因此一種穩定可靠的決策方法對車輛的智能駕駛系統至關重要。

發明內容

為了解決現有技術中的上述問題，即為了解決現有決策方法對未知情況的泛化能力和對異常情況的抗干擾能力較差的問題，本發明的第一方面，提出了一種智能駕駛橫向換道決策方法，該方法包括：

步驟S100，獲取目標車輛及其相鄰車輛的預設類別環境信息，并轉化為環境表征；

步驟S200，基于所述環境表征，通過高層決策模型獲取所述目標車輛的高層橫向駕駛決策動作；所述高層決策模型為基于深度強化學習算法構建的決策模型；

步驟S300，基于所述環境信息、所述目標車輛的高層橫向駕駛決策動作，通過基于規則的低層校正器校正所述高層橫向駕駛決策動作，獲取目標車輛最終的橫向駕駛決策動作；所述低層校正器為基于規則的分類器。

在一些優選的實施方式中，所述目標車輛及其相鄰車輛的預設類別環境信息包括目標車輛及其相鄰車輛的速度信息和位置信息。

在一些優選的實施方式中，步驟S100中“轉化為環境表征”，其方法為：

步驟S110，將目標車輛、其相鄰車輛的速度標準化至設定區間；

步驟S120，基于目標車輛及其所在車道構建N×L的網格陣列，其中L為車道數、N為每個車道所包含的縱向網格數；

步驟S130，依據預設的車輛在車道中所占的縱向網格數，以及目標車輛及其相鄰車輛的位置、步驟S120中得到標準化后的速度，對所述網格陣列中各網格進行速度填充，獲取矩陣形式的環境表征。

在一些優選的實施方式中，所述高層決策模型為基于深度強化學習算法的獎賞函數R、橫向動作決策集合A構建的基于深度Q網絡的決策模型，其訓練方法為：