[发明专利]一种考虑个体激进度的行人穿行场景仿真方法

说明书

本发明公开了一种考虑个体激进度的行人穿行场景仿真方法，包括：步骤1，进行车辆与行人初始化；步骤2，在单步时间间隔更新完后，判断人车间距是否小于交互判定边界且行人冻结数未达到上限，若是则进入步骤3；步骤3，通过当前的人车间距以及行人激进度计算行人继续前进的概率；步骤4，产生随机数，判断随机数是否大于前进概率；若是，则进入步骤5；若否，设置行人速度为预设速度，冻结数归零，进入步骤6；其中，所述随机数为大于0小于1的小数；步骤5，行人速度归零，冻结数加一；步骤6，更新行人与车辆的位置和速度；步骤7，判断行人是否已经通过路口，若已通过则仿真结束，若未通过则返回步骤2。

技术领域

本发明涉及智能网联汽车领域，特别是关于一种考虑个体激进度的行人穿行场景仿真方法。

背景技术

近年来汽车与人工智能均是业界与学界最关注的问题之一，硬件方面的逐步完善使得汽车的控制越发精细，同时算法方面的进步使得汽车电子控制单元(ECU)的计算能力大幅提升，更多的功能得以实现，因此汽车与人工智能的结合——智能网联汽车(ICV)被认为是当前汽车行业的核心问题之一。

然而，目前市面上几乎所有已经量产商业化的智能驾驶汽车只能达到L2或L3等级，无法实现L4及以上的高等级自动驾驶。大部分当前智能驾驶无法到达高等级自动驾驶最大的痛点在于人、车混杂的复杂交通场景下通行效率过低。因此，如何设计合理的人车交互算法便是关键问题之一。想要设计出有效的决策系统，必须通过一系列实验以验证算法安全性，然而由于交通场景中的危险性，直接让真人参与到实车实验中是不合规范的，所以如何将行人纳入到仿真流程中，在仿真平台上还原行人的人车交互逻辑便是一个重要的课题。

当前主要的人车混合仿真平台主要有：Prescan、Carla、Sumo。Prescan图形化程度高易于操作，Sumo界面简单且能够导入现有城市地图，然而此二者仿真平台中的行人无法通过接口进行控制，原因在于Prescan与Sumo本质上是宏观的交通流分析软件，行人的参数只有速度、加速度等；而Carla的控制接口虽然很丰富(在最新版本中甚至能够对人体的每一块骨骼进行操控)，然而其操作难度相对较大，操控行人的逻辑依托于V2X的集中规划中心，无法在行人中内嵌通行逻辑，同时能够控制的参数除了速度与加速度之外，主要集中于外形(例如性别、年龄等)，无法体现行人互相之间的个体内在激进程度差异。以上各平台的特点以及应用场景总结如下表1。

表1各仿真平台特点与应用场景

综上，有必要开发一种能够体现行人激进度个体差异性的人车交互仿真方法。

为体现每个行人在交通场景中的个体差异性，需要赋予行人单独的内在逻辑，逻辑的主要功能为复现人车交互过程中的一系列决策。元胞自动机(CA)是一种较好的行人模拟机制，将道路划分为网格，行人具有基础的属性，该属性决定平均意义下该个体的速度、加速度等特点，而具体的运动则通过实时对周围8个方格的具体情况实时判定来产生，如果预测在某个方格会与其他个体产生碰撞，便通过交互函数产生一个占据潜在冲突区域的概率。

本发明依托CA提供一种考虑个体激进度的行人穿行场景仿真方法。

发明内容

本发明的目的在于提供一种考虑个体激进度的行人穿行场景仿真方法来克服或至少减轻现有技术的上述缺陷中的至少一个。

为实现上述目的，本发明提供一种考虑个体激进度的行人穿行场景仿真方法，包括：

步骤1，进行车辆与行人初始化，每个行人在初始化时被赋予激进度作为内生参数，所述激进度数值越大代表行人越激进，反之则代表其越保守；