[發明專利]一種基于規則與機器學習融合的換道決策方法及系統

有效

• 申請號: 202110102276.0
• 申請日: 2021-01-26
• 公開（公告）號: CN112793576B
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 張雷;王震坡;賈寒冰
• 申請（專利權）人: 北京理工大學;北京理工新源信息科技有限公司
• 主分類號: B60W30/18
• 分類號: B60W30/18;B60W60/00
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王愛濤

本發明涉及一種基于規則與機器學習融合的換道決策方法及系統。該方法包括：從NGSIM數據集中獲取車輛換道數據；根據主車的車速、當前車道前車的車速以及當前車道前車與主車的距離確定換道必要性特征；根據主車的車速、目標車道的前車與主車的距離、目標車道前車的車速、目標車道后車與主車的距離以及目標車道后車的車速確定換道安全性特征；根據主車的車速、當前車道前車與主車的距離、當前車道前車的車速、目標車道前車與主車的距離以及目標車道前車的車速確定換道收益特征；利用車輛換道數據、換道必要性特征、換道安全性特征以及換道收益特征訓練換道決策模型；利用訓練好的換道決策模型確定換道決策。本發明提升了換道決策模型的分類準確度。

技術領域

本發明涉及機動車輛駕駛安全領域，特別是涉及一種基于規則與機器學習融合的換道決策方法及系統。

背景技術

近年來自動駕駛技術迅速發展，高級駕駛輔助(ADAS)系統功能日漸豐富。在結構化道路環境下，自主換道系統是目前駕駛輔助系統的開發方向之一。換道過程涉及車輛縱向和橫向的運動，相對于車道保持而言，情況更加復雜，且與交通安全密切相關。車輛換道過程主要包括換道決策、軌跡規劃與軌跡跟蹤三部分，其中換道決策是保障車輛換道安全的前提。

目前的換道決策方法主要有基于規則與基于機器學習的兩類模型，基于規則的方法通過建立換道決策規則庫，判斷車輛是否滿足某些特定的換道規則，進而決定車輛是否有必要進行換道，該方法可解釋性強，較為常用，但是往往無法針對不同司機實現個性化輔助駕駛，基于機器學習的模型能夠針對不同駕駛員實現個性化換道決策，但是模型精度的提升也是需要考慮的問題。

專利CN 103996287B公開了一種基于決策樹模型的車輛強制換道決策方法，該方法采用下列步驟：先通過傳感器實時讀取車輛強制并線換道時的相關數據；接著對獲得的數據導入基于決策樹模型的車輛強制換道決策模塊中；最后通過決策模塊可形成車輛強制換道時的決策判斷結果，如決策判斷結果為不能換道，則實時地發出警報提醒駕駛員不能換道。本發明減少了預警算法復雜、決策判斷規則過多對判斷結果的負面影響，提高了車輛強制換道時決策判斷的準確度和可靠性，降低了誤報率。專利CN 106777776A公開了一種基于支持向量機模型的車輛換道決策方法，該方法采用先通過傳感器實時讀取車輛換道時的相關數據；接著對獲得的數據導入基于支持向量機模型的車輛換道決策模塊中，該模塊的構建步驟主要包括訓練和測試樣本的選取、樣本數據的處理、模型的訓練與檢測；最后通過決策模塊可形成車輛換道時的決策判斷結果，如決策判斷結果為不能換道，則實時地發出警報提醒駕駛員不能換道。本發明減少了預警算法復雜、決策判斷規則過多對判斷結果的負面影響，提高了車輛換道時決策判斷的準確度和可靠性，降低了誤報率。專利CN105620480B公開了一種智能車輛自主性換道時機決策方法，該方法通過傳感器實時讀取車輛自主換道時的相關數據；接著對獲得的數據導入基于最近鄰居換道決策模型的車輛自主換道決策模塊中，該模塊的主要構建步驟包括訓練與測試數據的選取、內核集的構建、最近鄰鄰居的選取、換道時機決策的閾值的確定和決策模型的精確度驗證；最后通過決策模塊可形成自主換道時機的決策判斷結果，如決策判斷結果為不能換道，則實時地發出警報提醒駕駛員不能換道。

上述技術方案中，用于訓練換道決策模型的數據均為直接從數據集中獲取或者利用傳感器測量得到，通常是本車以及周圍車輛的距離、速度、加速度等參數，然而司機在實際駕駛過程中，往往會依據上述參數進行一些推斷，例如目標車道空間在未來幾秒內的變化，以及兩個車道前車運動情況的比較等，這些參數是基于一定的換道判斷規則，利用本車以及周圍車輛的距離、速度、加速度等參數計算得到的，與換道決策的最終結果也有著很大聯系。現有的換道決策模型由于缺少對傳感器采集的周圍車輛數據進行進一步挖掘，因而導致訓練模型得到的輸入信息較少，無法得到較好的分類效果。

因此，針對智能車輛在結構化道路下的自由換道決策問題，亟需一種新的換道決策方法，提升機器學習模型(換道決策模型)的分類準確度。

發明內容

本發明的目的是提供一種基于規則與機器學習融合的換道決策方法及系統，提升換道決策模型的分類準確度。