详情

原文传递面向高速环境的自动驾驶车辆行为决策、规划与控制研究

论文题名：	面向高速环境的自动驾驶车辆行为决策、规划与控制研究
关键词：	自动驾驶;行为决策;规划控制;风险评估;强化学习;跟车策略;最优控制
摘要：	自动驾驶车辆的发展与推广为提升道路安全水平、保障通行效率、建设智慧交通体系等问题提供了新的思路和方法。作为集环境感知、规划决策、控制执行及信息交互于一体的高新技术综合体，自动驾驶车辆也逐渐被视为时代需求的热点研究领域。在多源异构的高速驾驶环境下，利用感知信息评估车辆自身驾驶状态与外部风险，挑选出符合当前交通场景下的驾驶行为，是实现自动驾驶车辆安全可靠行驶的技术基础;轨迹规划系统规划出一条无碰撞且可执行的轨迹，以应对不同驾驶环境下的决策指令，是实现自动驾驶的重要环节;而通过对车辆的精确控制实现对规划路径的实时跟踪，是完成自动驾驶的最终目标。　　本文面向高速公路环境下自动驾驶车辆的行为决策、规划与控制等问题展开研究，涵盖了智能行为决策、跟车执行策略、换道轨迹规划控制及动态运动规划等四个核心课题，提出了一套基于高速公路环境下的智能驾驶决策、规划与控制实现方案。具体工作内容包括: 　　1.针对高速公路环境体现的复杂性和不确定性，提出一种基于深度强化学习和风险矫正的智能安全决策模型。该模型利用目标车辆及其周围车辆的实时驾驶信息，在综合考虑行车效率、避障等因素的前提下，结合深度强化学习方法在每个采样点生成车辆决策指令。同时将自注意力安全机制引入到行为决策框架中，以提高复杂高速场景下的决策安全性。最后在决策执行阶段增加了风险矫正模块对决策动作进行风险评估与矫正，保证自动驾驶车辆的行车安全。Highway-env仿真平台上的实验验证结果显示，该行为决策模型在行车安全性和驾驶效率上均取得了较好的效果。　　2.针对决策模块产生的跟车驾驶指令，采用端到端的策略学习方法，提出了一种基于驾驶员风格的自动驾驶跟车策略。首先设计了一个包含前车换道和周围车辆切入的典型跟车实验场景，利用六自由度仿真平台采集了部分驾驶员的跟车数据。通过对跟车行为数据的综合分析区分不同驾驶操作风格。同时在考虑期望跟车距离、驾驶效率和舒适度的基础上，设计了反映不同驾驶风格的奖励函数，作为跟车策略的训练信号。实验结果表明，该自动跟车策略可以将驾驶员的驾驶风格融入到跟车行为的执行过程中，并在驾驶舒适性、行驶安全性和效率等方面也表现优异。　　3.针对真实高速公路环境中的换道问题进行轨迹规划和控制执行研究，提出了一种动态换道轨迹规划模型，同时采用模型预测控制算法对动态轨迹进行跟踪控制。该模型结合了动态换道轨迹规划算法、换道安全监控算法和换道起点决策算法来构建动态换道轨迹，能够在保障换道安全的同时充分考虑执行过程的舒适性和效率，并采用模型预测控制算法作为车辆的执行模块。最后，基于CarSim-Simulink联合仿真平台，采用真实的换道场景数据搭建不同的高速公路环境。实验结果表明了该动态换道轨迹规划模型的可行性和有效性。　　4.为提高轨迹规划的求解效率，提出一种基于优化策略的动态轨迹规划方法。该方法采用最优控制理论从有限路径集中选择最优的驾驶路径，并确定执行路径的适当加速度和速度，避免多种类型的潜在碰撞。为避免不必要的运动重规划过程，模型引入了一种避碰监控算法，以减少轨迹规划的时间消耗。同时，该方法还提出了一种基于“决策-执行”的在线规划框架。该框架不仅可以用来评估运动规划单元的在线性能，还可以有效减少在线计算与实际执行之间因时间消耗而产生的偏差。最后在PreScan-Simulink平台上进行测试，验证了该方法在不同高速场景下实现智能车辆换道轨迹规划的可行性。　　5.设计实现了自动驾驶车辆行为决策、轨迹规划和跟踪控制的综合系统，并在高速公路仿真环境中对提出的系统进行测试。实验结果表明，该系统能够实现自动驾驶车辆在高速公路环境下的安全快速行驶，为进一步提升智能车辆的自主运行能力奠定了基础。
作者：	刘潇
专业：	控制科学与工程
导师：	梁军
授予学位：	博士
授予学位单位：	浙江大学
学位年度：	2022