原文传递
园区交叉路口的自动驾驶决策研究
| 论文题名： | 园区交叉路口的自动驾驶决策研究 |
| 关键词： | 自动驾驶;交叉路口;场景泛化;最大熵深度强化学习 |
| 摘要： | 随着自动驾驶技术的不断发展，目前面对高速路工况下的许多自动驾驶辅助功能已经普及，例如车道偏离预警，自适应巡航等。而城市工况作为常见的交通工况之一，相比于高速公路上单一的场景要素，城市工况下的自动驾驶汽车的难度更大。在城市工况中，发生在交叉路口的交通事故占总交通事故场景的比重较大，而园区 T型无信号灯交叉路口在此基础上又增加了转向车进行左右转向时，由于道路狭窄，司机为避免剐蹭等原因，会出现借对向车道转弯或转向完成后回主车道过慢的情况。对直行通过路口车辆造成了一定的安全隐患，影响道路的通行效率和安全，研究该场景下的自动驾驶决策系统是亟需解决的问题。因此本文针对直行通过园区无信号灯 T型交叉路口的不同场景进行自动驾驶决策研究，主要研究内容如下： 1、针对转向车轨迹建模问题。首先通过分析，总结出 6种转向车辆转向时会对直行车辆造成影响的路线。随后本文采取驾驶模拟器的方式，让驾驶员在园区无信号灯 T型交叉口场景下，模仿转向车辆的转向操作。最后通过最小非线性二乘法拟合的方式，确定用五次多项式轨迹对转向车辆的轨迹建模。 2、针对测试场景数量少的问题，本文提出了一种基于变分贝叶斯高斯混合聚类和 ADASYN自适应过采样的方法，对园区无信号灯交叉口场景进行场景泛化。采用变分贝叶斯推断的方法求解高斯混合模型，解决了采用传统 EM 算法求解时难以确定高斯混合模型分量数地问题。随后在场景生成数量，轨迹生成效果和场景复杂度三方面综合比较下，确定了 ADASYN过采样算法完成样本数据的过采样，并基于五次多项式完成转向车辆不同路线下的轨迹生成。 3、针对强化学习学习效率低的问题。本文提出了基于最大熵深度强化学习算法用于园区无信号灯路口直行车通行决策系统，构建端到端的深度强化学习框架。首先将摄像头画面经过卷积处理后，输入至基于长短时记忆网络的最大熵深度强化学习网络模型中，最后输出自动驾驶车辆的转角和油门刹车踏板开度。通过与比较传统的最大熵深度算法和深度确定性策略梯度算法进行比较，该方法能够使模型训练时收敛速度更快。 4、基于自动驾驶仿真软件 CARLA搭建了测试平台。将第二章完成场景泛化的转向车辆轨迹离散后，导入进 CARLA 中，生成测试场景库。再接入第四章中搭建的算法模型，完成园区无信号灯 T型路口的自动驾驶决策系统测试。从车辆通行时间和道路通行效率两方面评价了该算法的有效性，最后仿真结果表明，该算法在车辆通行时间和道路通行效率两方面均有良好表现。 |
| 作者： | 石得君 |
| 专业： | 工程(车辆工程) |
| 导师： | 刘西;董立强 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆理工大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
