论文题名: | 考虑自车与交通车行为交互的自动驾驶换道轨迹规划策略研究 |
关键词: | 自动驾驶汽车;轨迹预测;多驾驶员;在环仿真 |
摘要: | 高等级自动驾驶汽车是汽车工业发展的潮流和前沿,代表着未来汽车科技的战略制高点。轨迹规划则是实现高等级自动驾驶汽车推广应用的重要基础,能够有效保障自动驾驶汽车的安全性、高效性、舒适性,已成为相关领域内的重要研究内容。近年来,伴随人工智能技术的快速发展,交通车的轨迹预测与自车的轨迹规划已从传统的机理模型方法转向数据驱动的方法,在单车智能上取得了显著进步,但在动态复杂多变且具有强随机不确定性的现实交通环境下,现有技术仍然难以实现与其他交通参与者的类人交互。因此,如何赋予自动驾驶汽车类人交互与类人驾驶的能力,从而提升用户的适应度、接受度、信任度,降低由人机差异造成的安全隐患,已成为轨迹规划和轨迹预测领域亟待解决的核心科学问题。本文依托国家自然科学基金项目“基于驾驶行为动态生成机制的混合交通环境智能汽车类人决策规划策略研究(编号:52172386)”通过剖析熟练人类驾驶员在换道时的驾驶预判与决策机理,以换道工况为主要研究场景,提出考虑自车与交通车行为交互的自动驾驶换道轨迹规划策略并在自主搭建的基于Ⅵ-grade软硬件的跨平台环境驾驶员在环仿真平台上进行了测试验证。 本文的主要研究内容如下: (1)基于多驾驶员在环平台的换道交互数据采集及处理。首先,通过比较预测与规划领域常用的数据采集方式和研究需求分析,确定了使用驾驶模拟器进行数据采集的技术路线。随后,为了解决模拟器真实度欠缺的问题,以某款SUV为原型,建立了高精度车辆动力学模型,为实现真实驾驶感受提供了基础。接着,搭建了基于Ⅵ-grade软硬件的多驾驶模拟器联合的多驾驶员在环数据采集平台,从视觉、听觉、触觉、交互等多个方面提升了驾驶沉浸感。最后,设计了数据采集试验并完成了数据采集和清洗,生成了最终用于后续模型训练的数据集。 (2)基于矢量编码的基础轨迹预测与规划策略。基于自主数据集进行了多模态基础轨迹预测器模型和基于车道序列规划的基础轨迹规划器模型的设计和训练。首先介绍了层级化的图神经网络VectorNet[19]对交通元素的矢量化处理方式,详细描述了子图和全局图特征提取的过程,并说明了编码后的环境上下文信息用于后续基础轨迹预测器和规划器的方式。接着分阶段地阐述了多模态轨迹预测器的原理和实现,通过将未来轨迹预测转化为预测离散目标终点的分布问题,建立了一个以这些目标终点为条件的概率模型。最后提出了基于车道序列规划的基础轨迹规划器,该规划器由三个端到端的网络组成:车道序列规划模型、运动距离规划模型和类人轨迹生成模型,能够输出规划级的自车轨迹。 (3)考虑自车与交通车主动性交互关系的换道轨迹规划策略。首先对自车与交通车交互问题进行建模,将联合分布解耦为某一个交通参与者的边际分布和另一个交通参与者的条件分布。接着通过分析人类驾驶机理,发现驾驶员会对其他车辆行为做出不同的假设,并从多个假设中灵活地考虑自己的驾驶行为。据此,设计了自车与交通车主动性交互关系判别规则,并训练了一个编码器-解码器架构的主动性交互关系判别模型,取得了91%的准确率。进一步,设计了交通车轨迹预测与自车轨迹规划交互策略,通过对编码器进行改造实现场景增强——依据上述判别结果将主动车辆的未来轨迹编码进被动车辆的特征中,以此方式来学习人类驾驶机理中的交互行为表现从而实现更加合理的轨迹预测和轨迹规划。 (4)考虑自车与交通车行为交互的换道轨迹规划策略验证。首先对评价交互策略的指标进行了介绍并进行适当的改进。接着进行了基于数据集的算法模型验证,为了验证交互策略中的预测器,对比了四个公开预测数据集。结合本研究需求,最终选定Argoverse1.0作为本章用于对比试验的数据集,并与经典轨迹预测算法进行了对比,证明了交互预测器的先进性能。通过消融试验证明了交互策略的有效性,与不考虑交互的交通车预测和轨迹规划相比,交互策略具有更好的精度并提升了结果的合理性。最后为了对本研究在实际应用中的有效性进行说明,搭建了基于Ⅵ-grade软硬件的Windows-Linux跨平台环境驾驶员在环仿真平台,模拟实车应用场景进行试验,证明了本策略可以在交互场景中有效地规划类人的换道轨迹,在异构复杂高动态的驾驶环境中保证了车辆的安全性和行驶效率。 |
作者: | 孙一 |
专业: | 车辆工程 |
导师: | 朱冰 |
授予学位: | 硕士 |
授予学位单位: | 吉林大学 |
学位年度: | 2023 |