详情

原文传递基于预测修正的博弈论换道决策方法研究

论文题名：	基于预测修正的博弈论换道决策方法研究
关键词：	智能汽车;换道行为;换道决策;意图预测
摘要：	智能汽车因环保、高效、节能等优点成为了传统车辆的发展方向之一。智能汽车的创新发展也已经上升到国家战略层面，旨在建立安全、高效、绿色、文明的智能汽车强国。决策系统作为智能汽车的上层系统，直接影响车辆在行驶中的安全。然而，现有的决策方法仍然存在一些问题，特别是在换道工况中，交通参与者较多，各个车辆相互影响，增加了工况的复杂性。如果只考虑换道车辆，则缺少对整个交通运行趋势的把握，与其他交通参与者的交互较少，容易误判整个交通走向。换道过程的冲突性较强，但时间持续较短，如何在复杂多样的交通环境中做出高效准确的决策，就显得尤为重要。　　换道行为是车辆与周围环境进行动态交互的结果。智能汽车的交互通常利用传感器或通信方式来获得信息，该类信息可以表征当前交通运行状态，但是无法直接获取交通运行的趋势和周围车辆的意图。由此本文将交互性与交通运行趋势相结合，通过预测模块的加入，提出一种基于预测修正的换道博弈决策方法。利用博弈论来解决车辆换道决策的交互问题，通过预测模块将车辆的意图加入到交互过程中，形成双层结构。既保证了车辆间的交互性，也能对不同交通运行趋势做出不同的调整。　　首先，针对上述智能汽车换道决策缺乏与周围车辆进行交互的问题，设计了一个基于博弈论的换道决策模型。将换道过程分为产生换道意图、判断换道可行性、建立决策模型和执行换道过程。利用博弈论解决冲突问题的优势对换道决策过程进行建模分析，将换道冲突车辆的交互考虑在内，利用博弈矩阵，突出车辆间的相互影响，解决换道决策过程中的复杂交互问题。　　其次，针对换道决策模型缺少对各种交通运行趋势的考虑，提出一种基于预测修正的博弈换道方法。将整个车辆运行的趋势纳入交互问题中，将交通车辆运行趋势作为预测修正模块加入到收益矩阵中，通过对收益矩阵的修正来影响最终决策，这样既考虑了车辆的交互性，也突出了对不同交通趋势的灵活调整。同时还增强了博弈换道决策的交互性，减少决策在临界位置的失误，改进了博弈换道对各种交通情况的适应性。　　然后，针对车辆意图预测在横纵方向上的耦合性问题，提出一种博弈冲突的意图解耦预测方法。结合博弈换道工况，将主要换道冲突分为横向冲突和纵向冲突。在换道过程中突出考虑主要冲突，分别采用NARX神经网络和GMM-HMM来预测车辆的纵向和横向意图，实现对车辆横纵向意图预测的解耦。　　最后为了解决模型参数的标定和模型训练问题，采用NGSIM数据库中车辆轨迹数据，对NARX神经网络和GMM-HMM模型进行参数训练。针对该数据库，设计了对车道保持、单车换道以及典型换道工况的轨迹提取规则，并利用提取的典型换道工况数据对收益矩阵的参数进行校正。　　通过对以上内容的研究与探索，完成了对换道过程中交互问题的建模，并通过预测模块增加了模型的交互性和灵活性，使其可以适应不同运行趋势的换道环境。在MATLAB中将整套决策算法编程实现，设计多种工况，与传统博弈换道方法进行对比，提高了博弈换道决策的交互性，修正了部分临界位置的决策，验证了决策算法的有效性和合理性。
作者：	刘万
专业：	控制科学与工程
导师：	赵海艳
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2022