[发明专利]基于动机与风险评估的无人驾驶车辆智能决策方法

说明书

本发明公开了一种基于动机与风险评估的无人驾驶车辆智能决策方法，首先对高速环境下车辆需要进行状态改变时的周围环境条件、动机进行分析。在此基础上，提取了改变驾驶状态的动机，并将其作为行为决策的核心，在有动机触发时才进行决策，而其他情况下仍保持当前行驶状态。同时，建立无人驾驶车辆周围环境风险评估模型对决策结果进行动态验证，判断决策合理性、计算决策最优目标点。本发明能避免无人驾驶汽车行驶过程中决策系统过多无意义决策，提升计算效率，实现在动态不确定环境下的无人驾驶汽车实时、高效、安全的驾驶决策。

技术领域

本发明涉及无人驾驶汽车决策技术领域，尤其涉及一种基于动机与风险评估的无人驾驶车辆智能决策方法。

背景技术

随着计算机与通讯技术的飞速发展，自动驾驶汽车获得了越来越多的关注。全球各大汽车公司也在加大对自动驾驶更高等级技术的研发力度。为了应对不同场景而研发的如BSD、CTA、IACC等高级辅助技术和决策算法相继投入市场。其中，面临各种交通环境以及应急情况的行为决策与规划是保证车辆安全、高效行驶的核心技术。目前驾驶行为决策主要以基于规则的或是基于学习算法的决策系统为主。基于规则的行为决策方法将无人驾驶车辆的行为进行划分，根据行驶规则、知识、经验以及交通规则等建立行为规则库，根据不同的环境信息划分车辆状态，不同的车辆状态间依据规则逻辑由不同的驾驶行为进行转换。其中以有限状态机模型(FSM)应用较为广泛。例如中国专利申请号CN201911389109.8，名称“基于深度学习的智能驾驶决策方法及系统”中将实时外部环境数据和实时内部运行数据输入深度学习模块以获取车辆实时控制指令；中国专利申请号CN201811524283.4，名称“一种基于规则与学习模型的无人驾驶汽车驶离高速的方法”中将规则模型与学习模型在不同环境下切换决策实现无人驾驶汽车安全下匝道任务。以上专利的决策系统依托神经网络模型或有限状态机模型进行决策，但神经网络需要的样本数量往往很大且容易过拟合，参数不易确定。有限状态机模型没有充分考虑环境的不确定性，在复杂的环境中，许多因素往往不能提前精确建模且在复杂环境下涉及状态增多时不便于管理。同时现有方法大多需要进行全局搜索，即在每一次决策步长内对每一个可能到达位置，每一条候选轨迹进行筛选。而在实际人类驾驶员驾驶时，其并不是每时每刻都在头脑中规划所有可行的轨迹，这极大地降低了计算效率以及实时性。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种基于动机与风险评估的无人驾驶车辆智能决策方法。

本发明为解决上述技术问题采用以下技术方案：

本发明所要解决的技术问题是针对于上述现有技术的不足，提供一种基于动机与风险评估的无人驾驶车辆智能决策方法，包括以下步骤：

步骤1)，利用NGSIM数据库中的数据计算得到数据库中记录的每一辆无人驾驶车辆在高速环境下的侧向速度、侧向位置、周围可行驶空间，并将行驶状态改变时无人驾驶车辆的速度、位置变化作为先验知识进行总结归类，得到第一至第三触发条件；所述周围可行驶空间为向量形式、包含自车行驶方向上与左前、前、右前、左后、右后车辆的距离；所述第一触发条件为：期望车速值与自车实际车速值相差大于3m/s；所述第二触发条件为：车前空间小于最小安全碰撞距离；所述第三触发条件为：车辆驶入驶出匝道；

步骤2)，将步骤1)中的第一至第三触发条件作为动机决策算法依据，利用激光雷达及摄像头识别周围车辆状态信息并与归类结果进行匹配，通过NGSIM数据库获取的先验知识输出每种匹配结果可行的候选执行动作；

步骤3)，建立风险评估模型，将执行动作中所包含的加速度、侧向位置信息映射到基于其他车辆行为预测的风险评估模型中，进行动态环境验证，利用风险评估的动态验证过程筛选满足决策方式的所有候选执行动作，去除风险值高于预设安全阈值的候选动作；

步骤4)，根据风险度与驾驶规则建立执行动作评价函数，将候选执行动作代入评价函数中比较，选取评价函数值最大的执行动作计算最优目标终点，并根据最优目标终点对无人驾驶车辆速度与路径进行动态规划。