[發明專利]一種Apollo平臺下的車輛跟馳行為預測方法

在審

• 申請號: 201910924643.8
• 申請日: 2019-09-27
• 公開（公告）號: CN110750877A
• 公開（公告）日: 2020-02-04
• 發明（設計）人: 費蓉;李莎莎;吳昊錚;劉方;李愛民;唐瑜;王戰敏
• 申請（專利權）人: 西安理工大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N5/04
• 代理公司: 61214 西安弘理專利事務所
• 代理人: 涂秀清

本發明公開了一種Apollo平臺下的車輛跟馳行為預測方法，在構建過程中通過場景理解獲取車輛行駛中的動態信息以及靜態信息，通過捕捉駕駛員的行為特征得出其期望距離以及反應時間，并采用啟發式搜索算法改進車輛跟馳模型的去模糊化過程，在經過模糊推理模型計算后得出跟馳車加速度范圍基于安全性和舒適性的最優解。同時使用Apollo仿真平臺對模型進行測試及驗證，確保模型的準確性與實用性。本發明解決了現有技術中模糊理論和人工神經網絡的方法都只考慮引導車和跟馳車的速度、加速度以及兩車的間距，缺乏對駕駛環境的考慮的問題。

技術領域

本發明屬于車輛跟馳行為技術領域，具體涉及一種Apollo平臺下的車輛跟馳行為預測方法。

背景技術

交通，是市民出行的工具和環境。隨著我國經濟水平的提升，科技水平的發展，城市化進程的加快，市民在提高生活水平的同時，也對出行的需求和質量提出了更高的要求。然而，一、二線城市的發展和壯大，城市人口密度的不斷加大，市民對汽車的消費購買力的提升，造成城市的交通負荷逐年攀升。市區的面積以及路網交通資源的限制，造成了城市交通的擁擠與堵塞現象，嚴重地降低了市民的出行滿意度。為了應對日益嚴重的交通擁堵，國家先后出臺了大力發展公共交通、車輛限號、車牌號搖號或拍賣、停車收費等政策，但是仍舊難以遏制小汽車數量激增的勢頭。車輛跟馳是道路交通中重要的現象，特別在交通擁堵時，車輛無法換道超車，車輛跟馳行為普遍存在。所以車輛跟馳行為的研究有助于理解交通流的特性。

自上個世紀50年代起，跟馳模型理論才開始得以發展，那時主要是依照數據擬合的思想對實測的車輛數據信息進行擬合，從而得出一定的數學公式，但這類方法得到的跟馳模型具有一定局限性，如數據發生變化時，其模型便不再適用，不利于模型的推廣和擴展。因此，近年來學者從跟馳行為的內因出發，提出了多種模型極大豐富了交通流理論的研究。

但是由于駕駛員駕車時受多源信息影響，故其在決策、判斷過程中表現為復雜的非線性形態，無法用一個簡單的數學表達式來描述駕駛員的心理決策。模糊理論和人工神經網絡在處理復雜非線性問題上表現出一定的運算優勢，并且在大數據樣本下也表現出較好的學習能力。故模糊理論和人工神經網絡常常被用于模擬不同環境下的駕駛行為。但是由于目前的模糊理論和人工神經網絡的方法都只考慮引導車和跟馳車的速度、加速度以及兩車的間距，缺乏對駕駛環境的考慮。

2017年4月，百度提出了自動駕駛開放平臺Apollo，該平臺經過多次版本迭代后已具備定位、感知、決策、仿真等使能。Apollo可以幫助汽車行業及自動駕駛領域的合作伙伴結合車輛和硬件系統，快速搭建一套屬于自己的自動駕駛系統。在Apollo仿真環境下，交通標識、標線及與周邊車輛之間的關系等環境信息可通過相應接口輸入到Dreamview中進行駕駛環境的構建。不僅如此，Apollo還可以對車輛跟馳模型進行驗證，以及通過3D可視化界面進行算法調優。

發明內容

本發明的目的是提供一種Apollo平臺下的車輛跟馳行為預測方法，解決了現有技術中模糊理論和人工神經網絡的方法都只考慮引導車和跟馳車的速度、加速度以及兩車的間距，缺乏對駕駛環境的考慮的問題。

本發明所采用的技術方案是，一種Apollo平臺下的車輛跟馳行為預測方法，具體按照以下步驟實施：

步驟1、將車輛自動行駛過程中的場景信息分為靜態信息和動態信息，并導入Apollo平臺的Dreamview中構建道路場景；

步驟2：捕捉跟馳狀態中跟馳車駕駛員行為特征，根據駕駛員的行駛數據，通過動力學公式計算出駕駛員的期望距離，以及利用多項式回歸的方法擬合出在速度差和相對距離影響下駕駛員的反應時間分布函數；

步驟3：首先，將捕捉到的跟馳車駛員的行為特征數據采用改進的模糊推理車輛模型方法進行模糊化處理；其次，根據跟馳車駕駛員的駕駛行為特征分析，選定隸屬函數，制定模糊規則庫；再次，利用模糊推理中的Mamdani模型進行模糊推理；最后，利用啟發式學習改進去模糊化的方法，提高解效率；