详情

原文传递考虑交通参与者运动不确定性的轨迹规划研究

论文题名：	考虑交通参与者运动不确定性的轨迹规划研究
关键词：	自动驾驶;轨迹预测;深度学习;轨迹规划;多目标优化
摘要：	汽车工业的飞速发展有利地推动了国家经济增长，为居民提供了便捷的出行服务。与此同时，拥堵的驾驶环境和各种人为因素致使多年来世界上的交通事故频发。如何辅助人类驾驶作业提高主动安全性，或者直接将人类从驾驶任务中解放出来，正是研究者对自动驾驶的期待。轨迹规划作为自动驾驶的关键技术之一，负责当前场景的安全风险评估，规划出安全舒适的行驶轨迹。然而真实场景交通情况错综复杂，尤其是周围交通参与者的未来运动具有很强的不确定性，使自动驾驶的决策规划安全性充满了挑战性。　　为了提高避障场景下轨迹规划的质量和安全性，规划算法对环境的认知不能停留在障碍物的检测与跟踪层面，需要对周围交通参与者的运动进行预测，融合感知与预测信息评估场景安全风险态势，在此基础上规划轨迹。以此为研究主题，本文首先建立了基于深度学习的预测模型对周围车辆的运动轨迹进行预测，然后建立了基于多目标优化的轨迹规划模块，融合感知和预测信息实现了避障场景下的轨迹规划。　　首先，本文建立了基于深度学习的周车轨迹预测模型。针对影响因素复杂多样的特点，将场景抽象为向量化模型实现了环境要素特征信息的统一表达，环境要素包括静态的地图元素和动态的交通参与者。为了充分利用输入信息，搭建了分层图网络结构的编码器编码语义向量，先利用多层感知机捕捉环境要素的局部特征，例如地图元素的几何特征或交通参与者的运动特征，又利用多头自注意力机制捕捉预测目标和环境要素之间的交互特征。针对交通行为体运动预测的不确定性和多模态的特点，解码器使用了目标点驱动的预测框架。针对预测目标设计采样策略，在地图中采样候选目标点为解码器注入地图信息，使解码器能够基于不同的目标点将语义向量解码为多模态预测轨迹，提高模型的多模态预测能力和精度。目标点驱动的预测框架分为三个阶段逐步实现轨迹预测，首先估计候选目标点的概率分布和偏移量得到预测目标的一组预测模态，然后以给定的预测目标点为导向估计轨迹序列，最后对预测轨迹进行评分和选择输出一组预测轨迹。　　然后，本文建立了基于多目标优化的路径-速度解耦的轨迹规划模块。针对轨迹规划高维度和时空耦合的特点，提出了路径-速度解耦规划的技术流程，降低问题复杂性。为了使规划更加自然直接，建立了曲线坐标系作为规划的基准。在路径规划步骤，针对求解空间非凸的特点，进行路径点采样建立拓扑结构图，设计动态规划算法在拓扑图中搜索最优路径曲线，实现了横向上的障碍物决策，作为依据在非凸空间中开辟包含最优决策的子凸空间，为后续的路径优化创造了条件。进而在凸空间上构建二次规划模型，求解产生了满足约束且多目标最优的路径曲线。在速度规划步骤，考虑到交通参与者运动不确定性的特点，融合预测信息建立S-T图对安全风险进行预估，设计动态规划算法在S-T图中搜索最优速度曲线，实现了纵向上的障碍物决策并开辟了最优凸空间，进而构建二次规划模型进行速度优化，求解产生了满足约束且多目标最优的速度曲线。在路径和速度上迭代优化，得到了多帧平滑稳定的规划轨迹。　　最后，基于数据集l5kit建立了以场景为单元的仿真环境，抽取样本制作训练集与测试集，实现了预测模型的训练与测试。同时在多个场景下进行仿真实验对预测表现进行可视化和分析，验证了预测模型的有效性。然后融合感知与预测信息，进行规划模块在避障场景下的仿真实验，多帧规划轨迹平滑稳定，验证了规划模型的有效性。
作者：	韩玉龙
专业：	车辆工程
导师：	许男
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023