[发明专利]一种考虑车辆双向交互的智能车预测决策融合方法

权利要求书

1.一种考虑车辆双向交互的智能车预测决策融合方法，其特征在于，包括步骤如下：

步骤1：建立部分可观测马尔可夫决策模型：{S,O,A,P,R}，其中，S为车辆状态集合，O为观察集合，A为动作集合，P为状态转移函数，R为回报函数；

步骤2：通过车载感知系统获取自车及周围车辆的初始状态，得到初始状态s₀和初始观察o₀；

步骤3：将第k步观察o_k输入交互多模型算法更新得到模型转移矩阵T_k，k＝0,1,2,…,N；预测周围车辆的纵向运动，计算得到第k步的置信状态；

步骤4：通过部分可观测马尔可夫决策算法计算出最大状态-动作值函数Q(s_k,a_k)_max，并取相应的动作作为智能车第k步的动作A_k＝a_k；

步骤5：将k步的状态s_k和动作A_k代入状态转移函数P计算得到k+1步的状态s_k+1和观察o_k+1；

步骤6：判断迭代次数是否达到最大迭代次数N；若达到最大迭代次数，则结束；若未达到迭代次数，则k＝k+1并返回步骤3；

所述步骤1具体包括：

11)车辆状态集合S包括智能车状态以及周围车辆状态，具体为：

式中，s_ego为智能车状态，s_i为第i辆周围车辆状态，i＝1,2,…,n，n为周围车辆数目；

s_ego，s_i具体为：

式中，x_ego为智能车x方向的坐标，y_ego为智能车y方向坐标，θ_ego为智能车横摆角，v_ego为智能车质心速度，x_i为第i辆周围车辆x方向的坐标，y_i为第i辆周围车辆y方向的坐标，v_i为第i辆周围车辆x方向的速度，为第i辆周围车辆隐藏状态车辆加速度；

12)观察集合O具体为：

O＝{Δx₁,Δv₁,Δx₂,Δv₂,…,Δx_i,Δv_i}

式中，Δx_i为智能车与第i辆周围车辆x方向的相对距离，Δv_i为智能车与第i辆周围车辆x方向的相对速度；

Δx_i，Δv_i具体为：

Δx_i＝x_ego-x_i-L，Δv_i＝v_egocosθ_ego-v_i

式中，L为车辆长度；

13)动作集合A具体为：

A＝{LT,ST,RT}；

式中，LT表示车辆横摆角向左转一个角度，ST表示横摆角不变，RT表示横摆角向右转一个角度；将驾驶动作参数化为：

LT＝1°，ST＝0，RT＝-1°

14)状态转移函数P具体为：

式中，a_m为IMM算法中周围车辆第m个加速模型，m为加速模型的个数；

15)回报函数R具体为：

式中，c₀为车辆宽度的一半，S_r为道路条件参数；

所述步骤3具体包括：

31)周围车辆加速模型为：

32)第i辆周围车辆在k步模型转移矩阵为3阶矩阵，具体为：

33)通过k-1步的模型预测概率和加速度更新得到k步的模型预测概率即得到k步的置信状态

2.根据权利要求1所述的考虑车辆双向交互的智能车预测决策融合方法，其特征在于，所述步骤4中的状态-动作值函数Q(s_k,a_k)具体为：

式中，γ为折扣因子，R为回报值，s_k为k步的状态，a_k为k步的动作。