详情

原文传递典型交通场景下多车交互风险分析与运动规划研究

论文题名：	典型交通场景下多车交互风险分析与运动规划研究
关键词：	自动驾驶车辆;轨迹预测;注意力机制;交互风险;运动规划
摘要：	随着科学技术的发展及城市道路系统建设水平的提高，自动驾驶车辆在城市等交通环境中的数量不断增加，但由于城市环境中车辆驾驶风格多样且运动随机性较高，智能汽车在城市等复杂环境中实现自动驾驶仍有诸多困难。针对该问题，本课题提出一种轨迹预测与场景置信预测风险场相结合的运动规划方法，为自动驾驶车辆规划出更加拟人化的轨迹，使之与周围车辆实现安全、高效、舒适的交互。　　首先，基于车辆自然驾驶数据进行驾驶行为特性分析。以UbiquitousTrafficEyes中CKQ4、NGSIMUS-101、highD数据集为研究对象，使用差分近似法和RTS平滑算法进行数据预处理得到车辆多种微观行驶参数；结合车辆行驶安全性、行驶效率、行驶舒适性等特征因素使用K-means算法进行聚类，以分析保守型、激进型车辆的驾驶行为特性，并为后续动态规划代价函数各特征因素分配不同权重。　　其次，针对城市等复杂交通环境下交互车辆行驶轨迹难以精确预测的问题，提出一种基于时-空注意力机制的轨迹预测模型SIA-GAN。在SocialGAN的基础上，加入时间注意力机制挖掘对自身历史轨迹的时间依赖性；考虑行驶速度、加速度、航向角等状态参数及形状尺寸对二维正态分布函数进行改进，建模了车辆交互影响力场，根据交互影响力大小，通过空间注意力机制‘关注’对被预测车辆影响较大的周围车辆信息。在三种公开数据集上进行预测结果对比，结果表明，相较于现有先进轨迹预测算法，提出的SIA-GAN模型不仅在训练时的收敛速度增加，且在多种评价指标上效果皆为最优，能够有效提高车辆轨迹预测的精确性与可解释性。　　然后，针对现有运动规划算法较少考虑交互车辆未来运动的问题，提出一种结合交互车辆预测轨迹与场景置信预测风险场的运动规划方法。在车辆交互影响力场的基础上，考虑轨迹预测结果及预测误差建立车辆置信预测风险场，并结合道路风险场得到场景时空置信预测风险场，以此量化车辆间交互风险大小；计算各规划时间点车辆可达位置域并进行横纵向等间隔轨迹点采样，根据运动学约束和预碰撞检测得到车辆离散可行轨迹簇，设计多指标动态规划代价函数筛选得到离散最优规划轨迹，在x-t、y-t平面上使用多段五次多项式曲线对之拟合得到满足车辆动力学约束的连续最优规划轨迹。基于模型预测控制和PID控制算法实现对规划轨迹的横纵向解耦控制跟踪。　　最后，搭建PreScan-CarSim-Matlab＆Simulink-Python联合仿真试验平台验证本课题提出车辆运动规划方法的可行性和有效性。节选自然驾驶数据集中车辆真实行驶轨迹设计三种仿真试验场景。试验结果证明，本课题提出的运动规划方法能够使不同驾驶分格车辆与周围车辆实现安全、高效、舒适地交互。
作者：	韩迪
专业：	工程(车辆工程)
导师：	李文礼;王戡
授予学位：	硕士
授予学位单位：	重庆理工大学
学位年度：	2023