[發(fā)明專(zhuān)利]一種基于博弈論的周?chē)?chē)輛交互行為預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010086201.3
• 申請(qǐng)日: 2020-02-11
• 公開(kāi)（公告）號(hào): CN111267846B
• 公開(kāi)（公告）日: 2021-05-11
• 發(fā)明（設(shè)計(jì)）人: 趙萬(wàn)忠;匡登明;馮健;王春燕;徐燦;吳剛;王安;施帥朋;蔡亦璋;顧誠(chéng)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京航空航天大學(xué)
• 主分類(lèi)號(hào): B60W30/095
• 分類(lèi)號(hào): B60W30/095;G06F17/11;G06F17/15
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 賀翔

1.一種基于博弈論的周?chē)?chē)輛交互行為預(yù)測(cè)方法，其特征在于，包括步驟如下：

1)實(shí)時(shí)采集自動(dòng)駕駛車(chē)輛和周?chē)?chē)輛的狀態(tài)信息；

2)通過(guò)上述采集到的狀態(tài)信息，對(duì)自動(dòng)駕駛車(chē)輛和周?chē)?chē)輛的未來(lái)運(yùn)動(dòng)軌跡進(jìn)行預(yù)測(cè)；

3)建立行駛收益評(píng)估函數(shù)，評(píng)估自動(dòng)駕駛車(chē)輛和周?chē)?chē)輛的行駛收益；

4)對(duì)車(chē)輛的不同運(yùn)動(dòng)行為建立駕駛行為集M＝{LCL,LK,LCR}，其中，LCL表示車(chē)輛向左換道行駛，LK表示車(chē)輛保持車(chē)道行駛，LCR表示車(chē)輛向右換道行駛；

5)根據(jù)期望效益理論，求解博弈矩陣中自動(dòng)駕駛車(chē)輛不同運(yùn)動(dòng)行為下周?chē)?chē)輛下一時(shí)刻每種交互行為的期望收益，并將每種交互行為的期望收益歸一化處理，得到周?chē)?chē)輛未來(lái)產(chǎn)生每種交互行為的概率；

所述步驟3)中建立行駛收益評(píng)估函數(shù)，具體包括：

行駛收益評(píng)估函數(shù)包括安全性收益和可行空間收益兩個(gè)收益指標(biāo)；

31)安全性收益函數(shù)：

其中，τ表示反應(yīng)時(shí)間，包括車(chē)輛駕駛系統(tǒng)反應(yīng)時(shí)間τ₁和駕駛員的反應(yīng)時(shí)間τ₂；和分別表示自動(dòng)駕駛車(chē)輛和周?chē)?chē)輛在t時(shí)刻的行駛速度；TH表示車(chē)頭時(shí)距；TTC表示距離碰撞時(shí)間；d^*表示制動(dòng)加速度；

32)可行空間收益函數(shù)：

其中，表示車(chē)輛與當(dāng)前車(chē)道前車(chē)在t時(shí)刻的相對(duì)位置；表示車(chē)輛與目標(biāo)車(chē)道前車(chē)在t+1時(shí)刻的相對(duì)位置；

33)行駛收益評(píng)估函數(shù)：

U＝ω₁R_safe+ω₂R_space

其中，ω₁和ω₂分別表示安全性收益與可行空間收益的權(quán)重指標(biāo)。

2.根據(jù)權(quán)利要求1所述的基于博弈論的周?chē)?chē)輛交互行為預(yù)測(cè)方法，其特征在于，所述步驟1)中所有車(chē)輛的狀態(tài)信息包括：當(dāng)前時(shí)刻的車(chē)輛位置信息、車(chē)輛速度信息和車(chē)輛的橫擺角信息。

3.根據(jù)權(quán)利要求1所述的基于博弈論的周?chē)?chē)輛交互行為預(yù)測(cè)方法，其特征在于，所述步驟2)中具體包括：

21)得到當(dāng)前時(shí)刻t的自動(dòng)駕駛車(chē)輛和周?chē)?chē)輛的狀態(tài)信息其中，X^e表示自動(dòng)駕駛車(chē)輛的狀態(tài)信息，(X¹,X²,X³)表示周?chē)?chē)輛的狀態(tài)信息；

22)根據(jù)所有車(chē)輛的狀態(tài)信息以及預(yù)測(cè)的未來(lái)目標(biāo)位置點(diǎn)，結(jié)合運(yùn)動(dòng)方程以及利用五次多項(xiàng)式擬合出車(chē)輛的未來(lái)運(yùn)動(dòng)軌跡，具體如下：

其中：(x,y)表示車(chē)輛的位置信息；v_t和a_t表示在t時(shí)刻時(shí)車(chē)輛的速度和加速度；Δt表示采樣周期；c_i表示多項(xiàng)式軌跡的待定參數(shù)，具體約束條件如下：

其中：(x_i,y_i)為t時(shí)刻時(shí)車(chē)輛的位置信息；(x_f,y_f)為經(jīng)過(guò)若干周期后到達(dá)的目標(biāo)位置信息；

23)將自動(dòng)駕駛車(chē)輛和周?chē)?chē)輛的運(yùn)動(dòng)軌跡離散化得未來(lái)每個(gè)采樣時(shí)刻的車(chē)輛狀態(tài)信息，具體如下：

4.根據(jù)權(quán)利要求1所述的基于博弈論的周?chē)?chē)輛交互行為預(yù)測(cè)方法，其特征在于，所述步驟4)中LCL具體分為加速向左換道LCL⁺、勻速向左換道LCL^*和減速向左換道LCL^-；LK具體分為保持車(chē)道加速行駛LK⁺、保持車(chē)道勻速行駛LK^*和保持車(chē)道減速行駛LK^-；LCR具體分為加速向右換道LCR⁺、勻速向右換道LCR^*和減速向右換道LCR^-。

5.根據(jù)權(quán)利要求1所述的基于博弈論的周?chē)?chē)輛交互行為預(yù)測(cè)方法，其特征在于，所述步驟5)中具體包括：在正常的交通環(huán)境中，自動(dòng)駕駛車(chē)輛與周?chē)?chē)輛的交互行為定義如下：

其中，aⁱ和b^j分別代表自動(dòng)駕駛車(chē)輛和周?chē)?chē)輛的交互駕駛行為；

周?chē)?chē)輛的下一時(shí)刻每種交互行為的期望收益定義如下：

其中，Q_ij表示考慮到自動(dòng)駕駛車(chē)輛的行為下周?chē)?chē)輛對(duì)應(yīng)行為的行駛收益；γ表示周?chē)?chē)輛每種交互行為下的駕駛風(fēng)格權(quán)重因子。