杨 达 ，杨 果 ，罗 旭 ，唐颜东 ,3，徐利华 ，蒲 云

（1. 西南交通大学交通运输与物流学院, 四川 成都 610031；2. 公安部交通管理科学研究所, 江苏 无锡 214151；3. 四川智慧高速科技有限公司, 四川 成都610041）

行为决策是智能网联汽车实现自动控制的重要组成[1-6]，也是该领域的研究热点. 车辆通过信号交叉口时，其行为会受到信号灯和周围车辆的影响，如果不能准确预判通行条件，得到的决策结果会导致通行效率低、闯红灯甚至引发交通事故.

目前，智能网联汽车领域有关车辆通过信号交叉口的研究，主要关注简单交通环境下的辅助驾驶速度规划，研究目的大多为降低排放和燃油消耗[7-12]，或者提高通行效率[13-16]，涉及到的车辆行为是一些基本规则. 在行为决策层面，现有的智能网联汽车将一般道路场景的决策方法应用到信号交叉口，也有少部分学者专门研究在信号交叉口这种特殊复杂场景下的行为决策，只考虑信号灯影响时，Park等[17]根据信号、车速、交叉口大小和车辆与停车线的距离构建了简单的停止/通过决策算法；Zhou等[18]提出了基于强化学习的跟驰模型来获取合适的驾驶行为；Liu等[19]基于行驶规则，在各种转向条件下构建了不同信号灯色时的决策流程图；苏冲等[20]将动作序列划分为不同的行为状态，建立了各种工况下的状态迁移图. 考虑周围车辆影响时，学者们主要解决各方向车辆之间的冲突，在机器学习、运筹优化等方面进行探索，Gadepally等[21]利用隐马尔可夫模型从连续的滤波中观测中估计驾驶员行为，为行为决策提供有效依据；……