[发明专利]一种考虑驾驶员类型的博弈论决策方法

说明书

本发明公开了一种考虑驾驶员类型的博弈论决策方法，步骤如下：通过智能车的车载数据采集设备采集其自身车辆信息及其周围环境信息；对所有车辆的不同行为建立驾驶意图集；通过周围车辆的历史轨迹判断对应驾驶员类型，并建立驾驶员判断模型；根据不同的驾驶员类型建立不同的决策策略；得到各周围车辆三种驾驶意图对应的识别概率；计算出智能车和周围车辆所有可能情形下对应的收益；得到周围车辆最终的行为预测概率；计算出各情形下智能车三种驾驶意图对应的收益，取其中收益值最大的作为最终的决策结果。本发明提高了对周围车辆运动预测的准确性以及智能车决策结果的安全性和可行性。

技术领域

本发明属于智能车决策技术领域，具体指代一种考虑驾驶员类型的博弈论决策方法。

背景技术

智能车决策是无人驾驶的关键技术之一；智能车决策即车辆根据周围的环境信息，找出最优的驾驶意图和驾驶路线。在此过程中，主车必然会与其周围车辆发生行为上的交互，因此能够很好地表达车辆间的这种交互的博弈论方法常用于智能车的决策。

基于博弈论方法，将车辆作为博弈中的玩家，由于车辆间无法相互通信，所有玩家独立进行决策，因此该博弈属于非合作博弈。通过求解游戏的纳什均衡(NashEquilibrium)，可以得到周围车辆最有可能的行为以及主车的决策行为。应用纳什均衡的前提为所有玩家都从利己的目的出发，选择对自己最优的策略，即采用个人最优决策模型。然而，在实际过程中，不同的驾驶员采用的决策策略不同，激进的驾驶员追求个人利益采用个人最优决策模型，而保守的驾驶员更倾向于追求整体利益而采用社会最优决策模型。因此在博弈过程中仅采用个人最优决策模型必然导致得到的结果准确性下降，与实际不符。因此，有必要对不同的驾驶员建立不同的决策模型。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种考虑驾驶员类型的博弈论决策方法，对驾驶员类型进行识别，针对不同驾驶员建立不同的决策模型，以解决现有技术中仅采用个人最优决策模型导致结果不准确的问题。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种考虑驾驶员类型的博弈论决策方法，步骤如下：

步骤1：通过智能车的车载数据采集设备采集其自身车辆信息及其周围环境信息；

步骤2：对所有车辆的不同行为建立驾驶意图集M＝{LCL LK LCR}，LCL表示车辆左换道，LK表示车辆保持车道行驶，LCR表示车辆右换道；

步骤3：通过周围车辆的历史轨迹判断对应驾驶员类型，并建立驾驶员判断模型；

步骤4：根据不同的驾驶员类型建立不同的决策策略；

步骤5：根据周围车辆当前状态对周围车辆进行运动识别，得到各周围车辆三种驾驶意图对应的识别概率P_i,recog；

步骤6：根据不同的驾驶员类型选择对应的决策策略，计算出智能车和周围车辆所有可能情形下对应的收益；

步骤7：将得到的周围车辆的识别概率P_i,recog和意图概率P_i,inten相加，得到周围车辆最终的行为预测概率P_i；

步骤8：根据周围车辆最终的行为预测概率和收益函数，计算出各情形下智能车三种驾驶意图对应的收益取其中收益值最大的作为最终的决策结果

进一步地，所述车载数据采集设备包括：定位模块、速度传感器及雷达。

进一步地，所述步骤3中驾驶员判断模型具体为：

Dr＝γ₁y_offset+γ₂σ_speed