[发明专利]一种基于蒙特卡洛树搜索的自动驾驶纵向决策方法

权利要求书

1.一种基于蒙特卡洛树搜索的自动驾驶纵向决策方法，其特征在于，包括以下步骤：

步骤一：构建人工神经网络并对其训练，以将训练好模型的的推理结果应用于蒙特卡洛树搜索中UCB公式的改进。

步骤二：在采样后的ST图中基于神经网络得到的先验知识(即s_i＝p(t_i)离散函数)进行蒙特卡洛树搜索，以得到最优的N条轨迹。

步骤三：基于蒙特卡洛树搜索生成的N条最优轨迹，确定纵向决策。

2.根据权利要求1所述的方法，其特征在于，所述的构建人工神经网络并对其训练，以将训练好模型的推理结果应用于蒙特卡洛树搜索中UCB公式的改进包括：

所述的人工神经网络包括输入层，隐藏层，输出层；

输入层为对采样后ST图进行降维处理后并且加上自动驾驶车辆速度的(n+1)维向量；

隐藏层用于对表示采样、降维后ST图和自动驾驶车辆速度的(n+1)维向量特征的提取和处理；

输出层为经过神经网络推理后的预估轨迹，即s_i＝p(t_i)。

所述对蒙特卡洛树搜索中UCB公式的改进包括：

利用神经网络推理得到的s_i＝p(t_i)的离散函数，对UCB公式进行改进，记为UCB_g，UCB_g公式具体如下所示：

其中C、D、σ为可调参数，xi为所有经过当前节点轨迹代价总和的均值，ni为当前节点被探索过的次数，N为其父节点被探索过的次数。

g(s；p(t),σ)为数学期望为p(t)，方差为σ^2高斯分布的概率密度函数，其函数如下所示：

代入UCB_g公式中，UCB_g公式如下所示：

3.根据权利要求1所述的方法，其特征在于，所述的在采样后的ST图上进行蒙特卡洛树搜索，以得到最优的N条轨迹，包括，蒙特卡洛树一次迭代过程分为选择、扩展、模拟和回溯四个阶段，在采样后的ST图上进行一定次数的迭代以得到最优的N条轨迹。

其中，蒙特卡洛树搜索的选择阶段利用UCB_g公式进行选择，以均衡探索、利用以及通过神经网络推理所得到的先验知识，即s_i＝p(t_i)离散函数。

蒙特卡洛树模拟阶段亦可利用神经网络推理得到的s_i＝p(t_i)离散函数，基于期望p(t_i)和方差σ^2通过高斯采样得到下一时刻s值的概率分布si＝N(p(ti)，σ)，并从概率分布中采样获取下一时刻的s值用于蒙特卡洛树搜索的模拟阶段。

4.根据权利要求1所述的方法，其特征在于，基于蒙特卡洛树搜索生成的N条最优轨迹，确定纵向决策，包括，若采样后ST图中的最优位于障碍物轨迹投影的上方，则对该障碍物做抢行决策，若在障碍物轨迹投影的下方，则对该障碍物做让行决策；所述在采样后ST图中生成的最优轨迹亦可通过二次规划(quadratic programming)生成一条平滑的速度曲线以用于速度规划。