[發明專利]用于在密集交通中提供協同感知的車道變換控制的系統和方法

在審

• 申請號: 202010828355.5
• 申請日: 2020-08-17
• 公開（公告）號: CN112537306A
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 阿里拉扎·納卡哈伊薩維達尼;藤村希久雄;崔智保;裴相載;杜魯弗·毛里婭·薩克塞納
• 申請（專利權）人: 本田技研工業株式會社
• 主分類號: B60W30/18
• 分類號: B60W30/18
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 王茂華

1.一種用于在密集交通中提供協同感知的車道變換控制的計算機實現的方法，所述計算機實現的方法包括：

接收與自我意識車輛相關聯的車輛動態數據；

接收與所述自我意識車輛的周圍環境相關聯的環境數據；

利用包括用于分析所述車輛動態數據的分析儀和用于分析所述環境數據的循環神經網絡的控制器，其中所述分析儀被配置為預測所述自我意識車輛的未來狀態，并且所述循環神經網絡被配置為預測位于所述自我意識車輛的所述周圍環境內的周圍車輛的交互運動；以及

執行啟發式算法，所述啟發式算法順序地評估所述自我意識車輛的所述未來狀態和所述周圍車輛的所預測的交互運動，以在所述密集交通中促進所述協同感知的車道變換控制。

2.根據權利要求1所述的計算機實現的方法，其中接收車輛動態數據包括分析與多個自我意識車輛動態參數相關聯的所述車輛動態數據，以及將所述車輛動態數據以所述自我意識車輛的當前狀態的形式進行電子封裝。

3.根據權利要求2所述的計算機實現的方法，其中接收所述環境數據包括接收與所述自我意識車輛的所述周圍環境相關聯的圖像數據和LiDAR數據，其中聚合所述圖像數據和所述LiDAR數據，并且確定與所述周圍車輛的位置相關聯的位置坐標。

4.根據權利要求3所述的計算機實現的方法，其中利用所述控制器包括將所述當前狀態輸入到所述分析儀以分析所述車輛動態數據，其中所述分析儀被配置為使用模型預測控制并且使用非線性自行車運動學模型來基于所述車輛動態數據預測所述自我意識車輛的所述未來狀態，其中所述自我意識車輛的所述未來狀態包括所述自我意識車輛的中心點的未來預測位置。

5.根據權利要求3所述的計算機實現的方法，其中利用所述控制器包括將所述位置數據輸入到所述循環神經網絡以分析所述環境數據，其中處理了平穩地將車道變換到目標車道的控制目標以計算符合所述控制目標的控制約束。

6.根據權利要求5所述的計算機實現的方法，其中所述控制約束包括和所述自我意識車輛與所述周圍車輛之間的最小距離相關聯的最小距離閾值，所述最小距離被允許確保所述自我意識車輛不會變得小于所述周圍車輛的閾值距離，并且所述自我意識車輛的路徑不與所述周圍車輛的路徑重疊。

7.根據權利要求6所述的計算機實現的方法，其中所述循環神經網絡被配置作為經過訓練的社交生成對抗網絡，所述經過訓練的社交生成對抗網絡匯集所述周圍車輛的運動狀態以評估所述周圍車輛的交互，其中預測彼此進行社交交互的所述周圍車輛中的每個周圍車輛的多條軌跡，并且輸出所述周圍車輛中的每個周圍車輛在預測時間范圍內的位置序列。

8.根據權利要求7所述的計算機實現的方法，其中執行所述啟發式算法包括基于所述自我意識車輛的所述狀態以及所述周圍車輛中的每個周圍車輛在所述預測時間范圍內的所述位置序列來處理控制候選項，其中所述啟發式算法被執行以生成控制候選項，所述控制候選項包括與所述自我意識車輛在車道變換操縱期間的潛在控制相關聯的遠景車輛動態參數。

9.根據權利要求8所述的計算機實現的方法，其中將所述控制候選項與所述控制約束進行比較，以確定依從所述控制約束的控制候選項，其中所述控制器利用依從所述控制約束的至少一個控制候選項來輸出自主控制參數，所述自主控制參數被執行以可操作地控制所述自我意識車輛來平穩地將車道變換到所述目標車道，從而在所述密集交通中促進所述協同感知的車道變換控制。