原文传递
结合轨迹预测的智能车运动规划方法研究
| 论文题名： | 结合轨迹预测的智能车运动规划方法研究 |
| 关键词： | 智能驾驶;轨迹预测;运动规划;社会力模型;注意力机制;碰撞风险 |
| 摘要： | 随着人工智能技术的快速发展，智能驾驶技术成为汽车产业革命的重要领域。在交通场景中，各类智能体都存在较大的运动随机性和不确定性，所以智能车的关键组成部分运动规划系统需要结合场景中智能体的未来轨迹，从而保证智能车行驶轨迹的安全性与舒适性。本文针对该问题，提出一种结合轨迹预测的智能车运动规划方法，为后续的控制执行提供更拟人化的规划结果。 首先，分析智能体之间的交互影响，对基于社会力模型的轨迹预测方法进行研究，分别构建行人社会力模型和车辆社会力模型，并基于最大似然估计法标定模型参数。为提高轨迹预测的可解释性，研究一种基于注意力机制的LSTM模型。引入排斥函数对社会关系进行建模，同时通过注意力机制筛选出智能体更关注的社会信息，设计轨迹预测的网络结构。采用DUT数据集对比模型，将预测结果进行定量分析和可视化分析，结果表明本文方法具有更高的预测精度。 然后，针对运动规划方法较少涉及行驶场景中智能体未来轨迹的问题，研究一种结合轨迹预测的运动规划方法。分析Frenet坐标系，并在Frenet坐标系下基于多项式得到轨迹集合，通过时空占用图对轨迹集合进行预碰撞检查。设计多指标代价函数评估候选轨迹，最终筛选得到智能车规划的最优运动轨迹。同时对运动规划方法的参数进行分析和确定，并在减速行驶和换道行驶两个仿真场景下验证本文所提出运动规划方法的优越性。 最后，基于Apollo自动驾驶平台在前方行人减速和交叉口行人过街两个真实场景下实现本文方法，与没有考虑轨迹预测的方法进行对比，结果表明本文基于注意力机制的预测方法考虑智能体之间的社会关系，能够准确预测行驶场景中智能体未来一段时间的轨迹，本文结合轨迹预测的智能车运动规划方法可以提前1s决策驾驶行为，降低碰撞风险，规划的加速度曲线和加速度变化曲线更加平稳，其中最大加速度都下降50%，最大加速度变化分别下降26.7%和71.4%。 |
| 作者： | 刘启冉 |
| 专业： | 车辆工程 |
| 导师： | 连静 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
