原文传递
基于分类模型的车辆换道博弈决策方法研究
| 论文题名： | 基于分类模型的车辆换道博弈决策方法研究 |
| 关键词： | 车辆换道;博弈决策;辅助驾驶;分类模型;支持向量机 |
| 摘要： | 随着辅助驾驶技术与自动驾驶技术的不断发展，具有智能决策模块的车辆已经越来越多的行驶在交通道路上，如何保证决策模块的可靠性已经成为智能车辆研发过程中的重点问题。换道作为车辆在行驶过程中较为常见的行为之一，也是很多交通事故产生的主要原因。换道过程中通常伴随着与其他车辆的交互行为，决策模块需要安全高效地计算出当前状态下的最优策略，交由控制模块完成对该策略的执行。 目前，针对车辆换道决策的相关研究工作主要存在以下两个问题：首先，现有的车辆换道决策模型在处理产生的多个策略时，通常采取随机选择的方式选择策略，或者出于安全的考虑直接选取风险最低的策略，这会导致车辆换道的成功率降低。其次，现有的车辆换道决策模型中，有关环境收益的计算表达式中具有较多的系数需要确定。由于组成环境收益的各部分之间的关系较为复杂，人为确定这些系数较为困难，并且很难全面地体现各部分之间的关系，因此也会影响决策模型产生策略的准确性。本文利用博弈决策理论建立基本的车辆换道决策模型，以提高车辆换道的成功率，然后在提出的模型基础上，利用分类模型对环境收益的计算进行了改进，使决策模型的结果更加可靠。论文主要内容如下： （1）针对车辆换道可选策略不确定导致换道成功率较低的问题，提出基于混合策略博弈的车辆换道决策方法。该方法可以有效解决具有相似收益的多策略选择问题，从而提高了车辆换道的成功率。 （2）针对环境收益各部分关系难以确定的问题，提出基于线性支持向量机的环境收益分类方法。该方法利用已有的数据特征值，构建线性支持向量机，并利用粒子群算法求解最优分类平面的参数，最后对测试样本进行多次二分类，选择最优分类器下的结果，从而得到了满足各组成部分之间关系的环境收益值，进而提高了决策模型的准确性。 （3）利用交通仿真软件和交通数据集设计并实现了针对本文提出方法的实验。实验结果表明，基于分类模型的车辆换道博弈决策方法可以在确保安全的前提下有效地提高换道成功率，改善通行效率，并在不同的交互环境下具有良好的适应性。 |
| 作者： | 杨泽宇 |
| 专业： | 软件工程 |
| 导师： | 黄志球 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京航空航天大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
