单车场景下城市交叉口的智能驾驶车辆左转决策研究
2021-02-24陈雪梅欧洋佳欣王子嘉李梦溪
陈雪梅,欧洋佳欣,王子嘉,李梦溪
(北京理工大学 机械与车辆学院,北京 100081)
智能驾驶对于保证道路通行效率和通行安全具有重要的作用。复杂动态城市环境下,尤其是城市交叉口,智能车辆的行为决策研究是制约其真实道路行驶的关键因素之一,因此,加强城市交叉口通行决策研究具有重要的现实意义和学术价值。
复杂动态时变交通环境下,智能驾驶车辆的决策与交通参与者的运动状态密切相关。很多学者基于预测-决策框架开展了智能行为决策研究。LI Junxiang 等[1]结合车辆状态、道路结构及车间交互等特征属性,提出了基于动态贝叶斯网络(DBN)的换道行为预测模型,并在公开数据集上进行了验证。MÄNTTÄRI 等[2]提出了一种基于深度学习的换道行为预测方法。该方法将车辆在高速公路上的换道场景数据转化Recurrent Convolutional Neural Netw 为特定格式的俯视视角图片,输入到循环神经网络(RCNN,ork)中进行训练,在不需要显性地建立车辆交互关系的情况下获得了较为精准的预测模型。LEFÈVRE 等[3]通过分析与本车存在潜在冲突的车辆的驾驶意图(Intention)和它们被期望的(Expectation)驾驶动作间的差异,结合交叉口结构形式设置不同级别的风险预警,为无人驾驶车辆的策略选择提供参考。CHEN Xuemei 等[4]利用间隙可接受理论和换道决策规则构建了自由换道决策模型。CHEN Xuemei 等[5]采用RSAN(Rought-Set Artificial Neural Network)对跟车场景下的决策进行研究。但是以上研究没有针对复杂动态的城市交叉口中的车辆运动不确定性对智能车辆行为决策影响机理以及穿越行为过程进行分析。……
