不确定性条件下智能车辆动态环境认知方法研究

发布时间：2020-07-11 09:15

【摘要】：智能网联汽车(Automated and Connected Vehicles,ACVs)的发展有助于交通系统的安全、节能以及高效,所以智能网联汽车的研究在近几年得到了广泛的关注。环境认知(Situational Awareness,SA)是智能汽车(Automated Vehicles,AVs)对环境进行深度理解的重要部分,有助于智能车辆进行决策规划。为满足复杂交通环境下智能车辆决策的需求,目前智能车辆环境认知水平还有待提高,主要包括以下几个问题:一是智能车辆对交通环境未来的变化认知不足;二是智能车辆对驾驶不确定性包括感知不确定性以及驾驶行为不确定性认知不足;三是在复杂交通环境下,智能车辆对多车间的交互与博弈认知有待提高。为提高智能车辆环境认知水平,针对目前环境认知的问题,本文围绕环境认知科学,在复杂交通环境下,对环境进行预测,分析不确定性对态势评估的影响,以及考虑多车间的交互与博弈研究行为预测与规划方法,并基于实车实验和仿真实验对结果进行分析验证。论文首先回顾了环境认知中驾驶行为认知及轨迹预测、态势评估、以及多车交互与博弈方面的研究现状。针对当前环境认知问题,在当前相关学术研究的基础上,提出本文的研究内容,并在此基础上构建本文的总体研究方案和体系结构。其次,为了提高智能车辆对环境的预测能力,本文提出基于物理学和行为认知的交互式多模型融合的轨迹预测方法,并基于自然驾驶数据,对驾驶行为认知模型和多模型融合的轨迹预测(IMMTP)方法进行验证分析。本文基于动态贝叶斯网络理论,设计驾驶行为认知网络模型;同时,为了提高驾驶行为认知能力,本文考虑驾驶行为识别时间,提出驾驶行为认知评价指标,构建分布式遗传算法及其优化函数,优化驾驶行为认知网络。基于驾驶行为认知模型,为了既保证短时间内轨迹预测的准确性又考虑车辆长时间轨迹变化的趋势,通过交互式多模型理论,融合基于运动学轨迹预测模型和基于行为认知的轨迹预测模型。以自然驾驶数据为基础,构建换道场景下的数据库,验证并对比分析结构优化后的驾驶行为认知网络的驾驶认知能力和多模型融合的轨迹预测(IMMTP)方法的轨迹预测能力。再次,为了考虑感知不确定性和行车轨迹预测不确定性对态势评估的影响,研究基于行车轨迹预测,考虑未来一段时间内的碰撞概率、碰撞时间、碰撞能量,以及预测时间范围外的风险,构建综合态势评估模型。同时,基于高斯假设,通过环境态势评估模型,仿真分析交通环境中Unexpected Obstacles、传感器失效或者通信丢失、以及不同感知精度下的环境态势评估结果,并分析不确定性对态势评估的影响。最后,为了分析复杂交通环境下多车间的交互与博弈,研究基于扩展树博弈理论,通过设计多车间的博弈代价函数,分析扩展树的混合和战略纳什均衡,构建考虑多车交互和博弈的行为预测与规划方法。同时,基于不同的换道场景,仿真验证并分析了多车间交互与博弈的结果。该方法考虑多车间的交互与博弈,对周围车辆进行行为预测并同时进行自车行为规划,提高智能车辆对环境的深度认知能力,并可以做出合作性行为决策。
【学位授予单位】：合肥工业大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：U495
【图文】：

认知方法,驾驶行为,换道

利用自适应巡航系统现有的传感器，估计和识别车辆切入行为，为车辆的决策提供逡逑基础［５丨。Ｈｏｕ通过从Ｎｅｘｔ邋Ｇｅｎｅｒａｔｉｏｎ邋Ｓｉｍｕｌａｔｉｏｎ邋（ＮＧＳＩＭ）仿真平台中收集强制换逡逑道驾驶数据，定义环境变量如相对速度、相对距离等，构建数据库［６１邋；如图１．３所逡逑示，基于强制换道驾驶数据库，Ｈｏｕ利用决策树和贝叶斯网络学习以及判断换道条逡逑件，理解和估计换道行为，为换道辅助系统提供决策基础。基于交通仿真平台逡逑ＮＩＳＹＳＴＲＳ采集的数据，Ｄｏｇａｎ对比了不同机器学习算法，如ＳＶＭ、ＲＮＮ以及前逡逑向反馈yL经网络，对于换道行为的识别性能１７］。结果表明，三种机器学习算法都能逡逑较早估计换道行为，但ＳＶＭ模型的识别性能最佳。逡逑４逡逑

行车轨迹,预测方法

１．３智能车辆轨迹预测方法研究现状逡逑通过对环境预测，智能车辆可以提前针对环境的变化作出反应。其中，行车轨逡逑迹预测是环境认知的重要部分。如下图１．１所示，行羊轨迹预测的方法主要包括短逡逑时域内的基于物理学模型的轨迹预测方法、长时域内的基于行为认知的轨迹预测逡逑方法以及基于大数据驱动的轨迹预测方法。逡逑行车轨迹预测方法逡逑逦ｕ逦邋逦邋＞ｒ逦ｊｒ逡逑物理｜基于大数运驱＾１逦ｉ于行５认知Ｓ逡逑的轨迹预测方法逦的轨迹预测方法逦轨迹预测方法逡逑；１逦■邋Ｉ邋￣￣邋／逦１逦．逡逑￣￣ｒ邋￣￣１逦■邋Ｉ邋ｖ逦ｒ邋￣１逡逑＇逦ａｒ＼ｍａ＾邋ｎｍ￣逡逑学模学模性处理的轨迹邋学习逦类学＞」定义ｉ性处理逡逑型邋型｜方法卜ａ测邋网络丨…法１方法，１逡逑图１．４行车轨迹预测方法逡逑Ｆｉｇ邋１．４邋Ｔｈｅ邋ａｐｐｒｏａｃｈｅｓ邋ｏｆ邋ｖｅｈｉｃｌｅ邋ｔｒａｊｅｃｔｏｒｙ邋ｐｒｅｄｉｃｔｉｏｎ．逡逑１．邋３．邋１基于物理学模型的轨迹预测方法逡逑基于物理学模型的轨迹预测方法是根据车辆扣关的物理定律比如车辆运动学逡逑和动力学定律，预测未来一段时间车辆状态的变化。逡逑僗于物理学模型的轨迹预测方法足以移动障碍物的动力学和运动学为僗础逡逑｜４ＱＩ，根据控制输入（如方向盘转角、加速度等），车辆本身的特性（如车重等）以逡逑及外界条件（如进路的附若系数等）来进行小辆状态（比如位置、航叻角以及速度逡逑等）的预测。基于物理学模型的轨迹预测应用比较广

运动学,轨迹,车辆,行车轨迹

强了预测结果。Ｈｕａｎｇ基于差分定位导航系统（Ｄｉｆｆｅｒｅｎｔｉａｌ邋Ｇｌｏｂａｌ邋Ｐｏｓｉｔｉｏｎｉｎｇ邋Ｓｙｓｔｅｍ，逡逑ＤＧＰＳ），研宄了基于不同运动学轨迹预测模型，并指出基于运动学的轨迹预测主要逡逑误差来源是没有考虑驾驶意图和行为的变化［４６］。如图１．５所示是基于不同运动逡逑学模型进行行车轨迹预测的对比分析结果。Ｓｏｒｓｔｅｄｔ通过考虑驾驶员的控制输入，逡逑对未来一段时间的行车轨迹进行预测［４７］。Ｐｏｌｙｃｈｒｏｎｏｐｏｕｌｏｓ构建了邋Ａｄａｐｔｉｖｅ逡逑Ｄｙｎａｍｉｃ邋（ＡＤ）邋Ｍｏｄｅｌ模型，通过设置不同模型间的转换条件，综合应用ＣＡ、ＣＴＲ逡逑以及ＣＴＲＡ，对行车轨迹进行预测分析［４８］。逡逑１０逡逑

【相似文献】