[发明专利]一种基于车道时空间隙的高速道路无人驾驶决策规划方法

说明书

本发明公开了一种基于车道时空间隙的高速道路无人驾驶决策规划方法，本发明是在已知高精度地图、全局路径的前提下对智能车辆所在的局部行驶环境进行智能决策与规划，实现高速道路下符合人类驾驶习惯的安全决策；利用周围车辆运动预测信息构建局部代价地图，并结合多种车辆行驶代价计算方法，得到代价最小的车道时空间隙作为行驶目标；得到最优目标点之后，采用基于贝塞尔曲线优化加加速度的方法进行轨迹规划。

技术领域

本发明属于智能车辆的技术领域，具体涉及一种基于车道时空间隙的高速道路无人驾驶决策规划方法。

背景技术

智能车辆(Intelligent Vehicle，IV)，也称作地面无人平台(Unmanned GroundVehicle，UGV)，是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术。无人驾驶的智能汽车将是新世纪汽车技术飞跃发展的重要标志，其相关技术在多领域都得到了广泛应用，具备较高的社会经济价值和科研价值。

智能决策与规划的任务就是根据给定的路网文件、获取的交通环境信息和自身行驶状态，将行为预测、路径规划以及避障机制三者结合起来，自主产生合理驾驶决策，实时完成无人驾驶动作规划。狭义上来讲，包含了无人驾驶车的行为决策、动作规划以及反馈控制模块；广义上来讲，还紧密依赖上游的路由寻径、交通预测模块的计算结果。

智能车辆对于高速道路环境下的智能决策规划技术研究对于物流运输、智能公交、城区安防等多个重要领域的应用均具有重大意义，能够代替人类完成高密度、长周期、大流量等复杂场景下的繁琐作业，极大地节省人力物力。城市高速道路具备着拓扑结构清晰、交通规则已知、限制条件明确等特点。利用已有的高精度地图及组合导航定位系统实现对智能车辆的实时定位及导航。因此，高速道路具备实现智能车辆无人驾驶的有利条件，在现如今的无人驾驶技术发展中，应用较为广泛的也是在城市结构化道路下的自主导航驾驶。

然而对于城市结构化道路，智能车辆的无人驾驶仍然存在着诸多问题。首先，城市结构化道路下动态车辆运动状态复杂，要求智能车辆对于动态障碍物具有感知及运动预测能力；其次在复杂的行驶环境中，需要对行驶状态进行实时决策，以确保行驶的安全性与舒适性。

对于无人驾驶的决策问题的解决方法主要有两种：基于规则限定的决策方法和基于学习的决策方法。基于规则限定的决策方法。通过对大量的驾驶数据进行分析，得到在某些特定情况下人类驾驶员的驾驶策略，进而利用这些策略，为智能体的决策系统拟定在各种可能发生的路况下，汽车应采用策略的一系列规则。该类方法包括有限状态机、基于知识的推理决策模型、基于POMDP的行为决策模型等。但是在面对复杂多变的实际应用场合时，这些事先人为定义的规则显然无法足够广泛的覆盖可能出现的场景，因此会潜在引发危险事故的隐患。基于学习的决策方法，是通过车载摄像机等传感器对周围环境进行采集，直接映射到车辆控制量，实现“端到端”的控制，直接得到车辆速度及方向的控制，该方法要求大量的实验数据进行训练，可解释性较差。

因此，构建一个包含运动障碍物预测轨迹信息的局部代价地图对于智能车辆在高速道路环境下进行智能决策和规划具有至关重要的作用，根据所构建的局部代价地图进行可解释的、符合人类驾驶行为习惯的智能决策。

发明内容

有鉴于此，本发明提供了一种基于车道时空间隙的高速道路无人驾驶决策规划方法，能够在已知高精度地图、全局路径的前提下对智能车辆所在的局部行驶环境进行智能决策与规划，实现高速道路下符合人类驾驶习惯的安全决策。

实现本发明的技术方案如下：

一种基于车道时空间隙的高速道路无人驾驶决策规划方法，包括以下步骤：