原文传递
高速混行汇流环境下自动驾驶态势感知与风险评估研究
| 论文题名： | 高速混行汇流环境下自动驾驶态势感知与风险评估研究 |
| 关键词： | 自动驾驶;态势感知;驾驶意图识别;轨迹预测;风险评估 |
| 摘要： | 高速混行汇流环境下自动驾驶面临多元交通参与者动态交互的复杂场景。周围车辆驾驶意图及其运动轨迹的不确定，给自动驾驶决策规划带来了严峻的挑战。因此开展基于周围车辆驾驶意图识别及其长时轨迹预测的自动驾驶态势感知与风险评估研究，对提高复杂环境下自动驾驶“仿人化”决策规划水平具有重要的理论价值。 本文结合国家自然科学基金项目《高速混行汇流环境下自动驾驶态势感知及仿人化鲁棒决策规划研究》(52072054)中的部分内容，对高速混行汇流场景下自动驾驶态势感知及风险评估进行研究。主要研究内容如下： (1)高速混行汇流环境下周围车辆驾驶意图识别。通过分析车-车之间交互博弈行为，构建被识别车辆与其周围车辆之间的交互博弈动态时空图，采用图采样与聚合(GraphSampleandAggregate,GraphSAGE)的图神经网络对时空图进行推理，建立基于GraphSAGE图神经网络的周围车辆驾驶意图识别模型，利用Softmax函数输出直线行驶、向左换道、向右换道三类驾驶意图的概率并通过NGSIM(NextGenerationSimulation)数据集对模型进行训练和驾驶意图识别准确性验证。 (2)基于门控循环单元和注意力机制的周围车辆轨迹预测。基于门控循环单元(GatedRecurrentUnit,GRU)和注意力机制(AttentionMechanism,ATT)构建ATT-GRU编码解码的轨迹预测模型。编码器将被预测车辆及其交互车辆的历史轨迹进行编码，推理其潜在的运动信息，并融入驾驶意图识别信息，再通过解码器预测出车辆轨迹。在编码的过程中，引入注意力机制来挖掘车辆历史运动轨迹对时间的依赖性。经过NGSIM数据的验证，融合被预测车辆的驾驶意图信息和对时间的关注，能够有效提高轨迹的预测精度。 (3)混行汇流环境下自动驾驶态势感知及风险评估。通过对“人-车-路-环境”中多种风险因素的综合分析，采用灰色关联度分析法，确定出不同因素对行车风险的影响程度，并基于人工势场理论，建立考虑车速、车辆结构、动态交通流、周车行驶轨迹、路面、天气环境等风险于一体的行车安全风险场评估模型，运用NGSIM汇流场景数据对态势感知及风险评估模型进行验证，结果表明该模型可以实现混行汇流环境下自动驾驶对行车安全风险的准确评估。 |
| 作者： | 苏天彬 |
| 专业： | 车辆工程 |
| 导师： | 赵树恩 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
