详情

原文传递基于超车频次的自动驾驶车辆行为决策研究

论文题名：	基于超车频次的自动驾驶车辆行为决策研究
关键词：	交通安全;自动驾驶;车辆状态;超车频次;驾驶行为
摘要：	自动驾驶技术将人工智能技术融入汽车行业，可以克服传统人工驾驶车辆由人为因素导致的安全隐患、效率有限等缺陷，提高人类出行生活质量并解决城市交通关键问题，其中驾驶决策为自动驾驶技术层面最为核心的一环，是自动驾驶车辆相关领域的研究热点及难点。驾驶行为决策的前提是对从感知层所获取的信息深入认知、合理评估并做出有效决策。然而，人工驾驶车辆能够依据自身驾驶经验以及速度感知做出合理决策，自动驾驶车辆由于缺乏对邻车与自车相对状态差异性的定量指标，导致对自身于局域交通流中的状态适宜与否无法准确判断，因此实现自身状态准确评估是自动驾驶决策研究中的重要一环，也是制定驾驶决策的主要依据。　　本文在大量阅读国内外相关文献并深入分析基础上，进行了基于超车频次的自动驾驶车辆行为决策研究，论文主要研究成果如下：　　1.针对自动驾驶车辆在单车智能背景下感知信息受限问题，提出了一种用于量化邻车与自车差异性的参数，即超车频次，应用该参数可以为自动驾驶决策系统在已有的速度、加速度、相对距离等感知参数基础上增加一个新的辅助信息。首先，为满足本文以量化自身于局域交通流中状态为切入点的研究需求，通过分析传统人工驾驶车辆改变行驶状态诱因，考虑自动驾驶车辆的影响因素，提出了超车频次概念，其定义为：“在固定的时间窗长度内，自车相邻车道上超车的车辆数与被超车车辆数之差”，并基于滑动窗口法的概念优化了超车频次定义式。其次，搭建了获取实车数据的试验平台，采用毫米波雷达与GPS融合的方式开发了检测侧向超车、被超车车辆上位机软件。然后，通过实车试验所采集数据作为选取相关参数的支撑，设计模拟器定量试验，深入分析了邻车与自车的速度差、自车车速等参数与时间窗长度之间的相关性。最后，通过分析结果对参数进行函数拟合，得到速度差与时间窗长度计算方法，完善了超车频次动态函数的构建。　　2.针对自动驾驶车辆邻车行驶状态对自车所产生不确定性影响问题，提出了一种基于超车频次的分层递阶式评估自动驾驶车辆行驶状态方法，解决了自动驾驶领域对自身状态无法准确掌握的问题。首先，从横、纵向综合角度择取了自动驾驶车辆相关的自车运行状态评估参数、周围车辆影响下的评估参数，用于安全-效率分层式自动驾驶状态评估等级建立。其次，针对不同场景深入分析了多种工况下前车和邻车对自动驾驶车辆所产生的影响，基于TTC、THW参数对自车的安全程度进行评估，安全为基准的前提下基于超车频次参数对不同场景下的车辆速度适宜性进行了分级。最后，采用道路试验所构建的数据集分别建立了基于支持向量机、长短时记忆神经网络以及双向长短时记忆神经网络的自动驾驶车辆行驶状态评估模型，通过对比三种模型有无引入超车频次为评估参数，验证了评估方法的有效性。　　3.针对自动驾驶车辆决策动机模糊问题，基于超车频次提出了一种以安全为基准条件、以效率为激励手段的决策方法。首先，考虑周围车辆对自车行驶状态的影响因素，根据递阶式综合状态评估结果，以安全为先决条件并以效率为激励手段设计强化学习中的奖惩函数，构建了自动驾驶车辆的奖惩机制。其次，以加速、减速、转向为决策输出，搭建基于双延迟深度确定性策略梯度算法框架，并采用该框架对智能体进行训练。最后，通过仿真试验使自动驾驶车辆实现了及时、有效的决策，通过对输出的车辆行驶轨迹平滑性、速度误差大小、加速度稳定性、前轮转角稳定性等结果验证了该决策模型的有效性，该决策模型的提出对提高自动驾驶车辆决策的合理性具有重要意义。　　论文针对自动驾驶车辆感知交通流状态不足的问题，创新性引入超车频次的概念，提出了一种分层递阶式评估自动驾驶车辆行驶状态方法，建立了一种以安全为基准条件、以效率为激励手段的驾驶行为决策方法，为自动驾驶车辆感知局域交通流提供了一个新的量化思路，提升了驾驶行为决策的合理性和准确性。
作者：	黄梦圆
专业：	载运工具运用工程
导师：	李世武
授予学位：	博士
授予学位单位：	吉林大学
学位年度：	2023