[发明专利]一种交叉路口下考虑不确定性的智能车辆决策方法

说明书

本发明公开了一种交叉路口下考虑不确定性的智能车辆决策方法，首先通过路径规划模块产生可躲避静态障碍的无碰撞路径；然后建立POMDP模型；获取周边车辆信息；观测其他车辆模型和预测其他车辆其意图；接着通过最优策略计算出第k步的加速度动作；最后将产生的第k步的状态和动作代入下状态转移函数得到k+1步的状态和观察，判断是否达到终点。与现有技术相比，本发明考虑了不确定性且适用于各种类型的交叉路口，解决了传统算法适用性差且依赖于车间通信的问题。

技术领域

本发明涉及智能车辆决策技术领域，尤其涉及一种交叉路口下考虑不确定性的智能车辆决策方法。

背景技术

智能车辆是集环境感知、规划决策、行为控制与执行等多项功能于一体的综合智能系统，我国智能车辆相关技术的研究已取得长足的进展，能够满足智能车辆在小范围、简单城区环境下的低速行驶要求，以及城际公路简单环境中的高速行驶需求。然而，在城区动态交通环境下的智能车辆自主行驶，还面临许多需要解决的问题。例如，在无信号灯十字交叉路口处理中，智能车辆同样缺乏对于其他方向行驶车辆的驾驶行为预测，且现在的智能车技术大多依赖于车间通信技术，在车间通信技术的出现故障或数据出现误差时，面临着很大的安全风险。

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，提供一种交叉路口下考虑不确定性的智能车辆决策方法，通过基于POMDP强化学习算法，考虑了其他车辆驾驶意图的不确定性，其他车辆纵向速度的不确定性、传感器的误差以及车辆之间的交互性，提高了无人驾驶车辆在城区复杂、不确定环境下自主行为决策的合理性、安全性和实时性。

本发明为解决上述技术问题采用以下技术方案：

步骤1)，通过路径规划模块产生能够躲避静态障碍的无碰撞路径；

步骤2)，建立POMDP模型；

步骤3)，获取周边车辆信息；

步骤4)，观测其他车辆模型和预测其他车辆其意图；

步骤5)，通过最优策略计算出最优加速度动作；

步骤6)，将步骤4)产生的状态和动作代入下状态转移函数得到k+1步的状态和观察ok+1；

步骤7)，判断是否达到终点，若达到终点则结束，若未达到终点，则k＝k+1返回步骤3)。

作为本发明的进一步优化方案，步骤1)中通过路径规划模块通过最优控制算法、搜索算法、采样算法确定能够躲避静态障碍的无碰撞路径。

步骤2)中建立的POMDP模型为一个七元组{S，A，T，Z，O，R，γ}，S表示状态空间；A表示动作空间；Z表示观测空间；0表示观测空间；T代表状态转移函数；R代表奖励函数；γ代表折扣因子；

无人车自身和周边其他车辆的运动状态为χ＝(s₀，s₁，s₂，…，s_k)^T，式中，s₀为自车状态，s_k为第k辆车的状态；s₀，s_k具体为

式中，x_ego为自车横向坐标y_ego为自车纵向坐标v_ego为自车车速θ_ego为自车航向角x_k为其他车辆横向坐标y_k为其他车辆纵向坐标v_k为其他车辆车速θ_k为其他车辆航向角r_k为其他车辆驾驶意图。