[發(fā)明專利]場(chǎng)景自適應(yīng)式車輛交互行為決策與預(yù)測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110997604.8
• 申請(qǐng)日: 2021-08-27
• 公開(kāi)（公告）號(hào): CN113511222B
• 公開(kāi)（公告）日: 2023-09-26
• 發(fā)明（設(shè)計(jì)）人: 羅禹貢;劉金鑫;鐘志華;李克強(qiáng);王庭晗;王博;徐明暢
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類號(hào): B60W60/00
• 分類號(hào): B60W60/00;B60W40/00;G06Q10/04;G06F30/20;G06F17/18
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 王燕

本發(fā)明公開(kāi)了一種場(chǎng)景自適應(yīng)式車輛交互行為決策與預(yù)測(cè)方法及裝置，其中，方法包括以下步驟：采集本車當(dāng)前時(shí)刻的駕駛環(huán)境信息，并根據(jù)駕駛環(huán)境信息確定本車與目標(biāo)車輛當(dāng)前所處的交互階段；根據(jù)交互階段確定當(dāng)前時(shí)刻下車輛之間的映射模型和交互模型，并根據(jù)映射模型確定本車與目標(biāo)車輛在當(dāng)前時(shí)刻下回報(bào)函數(shù)中的最優(yōu)權(quán)重因子；根據(jù)最優(yōu)權(quán)重因子和交互模型分別確定本車與目標(biāo)車輛的回報(bào)函數(shù)，并結(jié)合交互階段對(duì)應(yīng)的動(dòng)作空間預(yù)測(cè)本車與目標(biāo)車輛下一時(shí)刻的行車動(dòng)作，以確定本車當(dāng)前時(shí)刻下的最佳交互動(dòng)作，并基于最佳交互動(dòng)作控制本車自動(dòng)駕駛。該方法能夠提高智能車輛對(duì)實(shí)際交通場(chǎng)景的判斷和預(yù)測(cè)能力，使其能夠進(jìn)行安全、可靠、高效的駕駛行為決策。

技術(shù)領(lǐng)域

本發(fā)明涉及自動(dòng)駕駛技術(shù)領(lǐng)域，特別涉及一種場(chǎng)景自適應(yīng)式車輛交互行為決策與預(yù)測(cè)方法及裝置。

背景技術(shù)

由于機(jī)器學(xué)習(xí)等人工智能領(lǐng)域的技術(shù)飛速發(fā)展，智能車輛是汽車行業(yè)重要發(fā)展方向之一，也是未來(lái)智慧交通和智慧城市建設(shè)中的核心元素。而提高智能車輛的決策能力對(duì)提升其智能化水平起著關(guān)鍵的作用。

但是在現(xiàn)實(shí)復(fù)雜的駕駛場(chǎng)景中，交通參與者的行為是不確定的，時(shí)變的，且相互影響的，即存在較強(qiáng)的隨機(jī)性、動(dòng)態(tài)性和交互性。尤其在混合交通場(chǎng)景下，智能車輛和人類駕駛車輛并存，為了保障智能車輛的行駛安全性和穩(wěn)定性，智能車輛在基于感知系統(tǒng)提供的信息進(jìn)行行為決策時(shí)，需要同時(shí)考慮周圍車輛的駕駛行為對(duì)自己行為決策的影響，以及自己的駕駛行為對(duì)周圍車輛的影響。

因此，考慮車輛間行為的交互性對(duì)提高智能車輛的決策安全性至關(guān)重要。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問(wèn)題之一。

為此，本發(fā)明的一個(gè)目的在于提出一種場(chǎng)景自適應(yīng)式車輛交互行為決策與預(yù)測(cè)方法，能夠提高智能車輛對(duì)實(shí)際交通場(chǎng)景的判斷和預(yù)測(cè)能力，使其能夠進(jìn)行安全、可靠、高效的駕駛行為決策。

本發(fā)明的另一個(gè)目的在于提出一種場(chǎng)景自適應(yīng)式車輛交互行為決策與預(yù)測(cè)裝置。

為達(dá)到上述目的，本發(fā)明一方面實(shí)施例提出了一種場(chǎng)景自適應(yīng)式車輛交互行為決策與預(yù)測(cè)方法，包括以下步驟：采集本車當(dāng)前時(shí)刻的駕駛環(huán)境信息，并根據(jù)所述駕駛環(huán)境信息確定本車與目標(biāo)車輛當(dāng)前所處的交互階段；根據(jù)所述交互階段確定當(dāng)前時(shí)刻下車輛之間的映射模型和交互模型，并根據(jù)所述映射模型確定所述本車與所述目標(biāo)車輛在當(dāng)前時(shí)刻下回報(bào)函數(shù)中的最優(yōu)權(quán)重因子；根據(jù)最優(yōu)權(quán)重因子和所述交互模型分別確定所述本車與所述目標(biāo)車輛的回報(bào)函數(shù)，并結(jié)合所述交互階段對(duì)應(yīng)的動(dòng)作空間預(yù)測(cè)所述本車與所述目標(biāo)車輛下一時(shí)刻的行車動(dòng)作，以確定所述本車當(dāng)前時(shí)刻下的最佳交互動(dòng)作，并基于所述最佳交互動(dòng)作控制本車自動(dòng)駕駛。

本發(fā)明實(shí)施例的場(chǎng)景自適應(yīng)式車輛交互行為決策與預(yù)測(cè)方法，基于博弈論和逆強(qiáng)化學(xué)習(xí)的場(chǎng)景自適應(yīng)式車輛交互行為決策與預(yù)測(cè)，可以用于智能車輛在動(dòng)態(tài)駕駛場(chǎng)景中做出更合理可靠的行為決策，同時(shí)對(duì)其他目標(biāo)車輛做出相應(yīng)的行為預(yù)測(cè)，具備較好的場(chǎng)景適應(yīng)性和實(shí)時(shí)性，提升自動(dòng)駕駛的可靠性及安全性。

另外，根據(jù)本發(fā)明上述實(shí)施例的場(chǎng)景自適應(yīng)式車輛交互行為決策與預(yù)測(cè)方法還可以具有以下附加的技術(shù)特征：