详情

原文传递自动驾驶汽车变道决策与规划关键技术研究

论文题名：	自动驾驶汽车变道决策与规划关键技术研究
关键词：	自动驾驶;变道决策;实时规划;强化学习
摘要：	自动驾驶汽车是汽车领域未来的发展方向和科技创新前沿，自动变道是最复杂的自动驾驶任务之一，也是自动驾驶汽车智能化水平的重要体现，它包括自动变道决策与路径规划两项核心任务。　　当前，拨杆变道辅助驾驶功能只具备变道路径规划能力，需要驾驶员触发并监控安全，应用场景有限，用户体验不佳;高级别自动驾驶汽车在自动变道测试过程出现了较多的事故，还未能够进入实用阶段，由此可见，自动变道功能尚处于初级阶段，是当前自动驾驶领域重大难题之一。本文研究自动变道两大核心问题，具体工作如下: 　　(1)提出了一种基于模糊推理的强化学习变道决策算法，采用多目标强化学习算法，利用前车位置、速度等直接参数构造状态空间，用概率方法描述不确定性，从观测的系统状态中不断学习，提高自动驾驶汽车在不确定动态交互环境中的强化学习变道算法的鲁棒性。由于自动变道过程具有连续的状态空间，传统的多目标强化学习算法面临着维数灾难问题，为此，在时间差分学习算法中引入模糊推理来处理连续的状态和动作，加速自学习过程。测试结果表明:提出的基于模糊推理的强化学习变道决策算法与未采用模糊推理算法相比在碰撞率、平均变道机动时间和性能指标值全面提升，提高多目标决策算法根据实际环境变化自我学习能力，拓展了自动变道的应用场景，提高了自动变道功能的智能化水平。　　(2)提出了一种基于场景的实时规划与跟踪策略，每个时刻根据前方车辆的运动状态和剩余变道时间实时规划变道轨迹，以较低算力要求与经济成本提高自动变道过程的安全性。采用五次样条曲线数学模型描述变道轨迹和优化求解，采用坐标转换的方法将自动变道功能拓展至弯道场场景应用。将变道过程场景区分正常变道与危险变道;针对自动变道过程中本车道前车突然入侵目标车道和目标车道前车突然减速两种最危险场景，设计距离与加速度的双冗余安全决策树和多模切换控制策略，实现危险场景下最优控制，提高变道过程安全性。对控制策略进行仿真与测试，结果表明两种危险变道场景下车辆变道过程横向加速度和横摆角速度具有较好的控制表现。　　(3)构建了自动变道仿真测试系统，首先对自动驾驶汽车的自动变道系统与决策规划功能的预期功能安全进行分析研究，识别自动变道仿真测试系统需求，提出基于场景的虚拟仿真和并行测试方法。然后，构建由实车执行器组成仿真台架、高精度整车动力学模型、自动变道场景库与虚拟仿真软件、基于5G的并行在环测试环境等软硬件组成的自动变道仿真测试系统。为自动变道决策和路径规划研究提供基础性支撑平台与服务，开展决策算法与变道路径规划策略仿真测试研究，提高研究效率，减少实车道路测试风险，提高安全性，加速支撑各项研究工作的顺利开展。　　(4)最后，将研究成果应用在自动驾驶汽车进行测试与验证，从封闭测试场并行测试、示范区开放道路测试和i-VISTA自动驾驶汽车挑战赛三个维度开展大量的整车测试与验证研究。结果表明自动变道系统运行正常、变道时间、纵向加速度、横向加速度、安全性等评价指标均满足整车设计约束要求，研究的自动变道决策算法与路径规划策略在整车上表现良好，为自动变道功能走向实用化奠定基础，为行业发展做出积极的贡献。
作者：	吴琼
专业：	控制科学与工程
导师：	梁华为
授予学位：	博士
授予学位单位：	中国科学技术大学
学位年度：	2022