一种应用于自动驾驶车辆的高速公路超车行为决策方法技术

本发明专利技术涉及一种应用于自动驾驶车辆的高速公路超车行为决策方法，包括以下步骤：步骤S1、建立超车意图模型；步骤S2、判断是否产生超车意图；是，转步骤S3；否，继续车道保持状态；步骤S3、判断是否满足超车条件；是，转步骤S4；否，继续车道保持状态；步骤S4、进入超车子状态。本发明专利技术使用人工神经网络算法来产生超车意图，然后采用基于规则的安全性、舒适性等条件判定。解决了是否有必要进行超车及能不能进行超车的问题，既反映了超车过程的客观性规律，又充分考虑超车行为的主观因素，保证超车安全、舒适等条件下，使自动驾驶体现了人类的驾驶习惯。

Freeway overtaking behavior decision method applied to automatic driving vehicle

Highway Overtaking Behavior Decision Method of the invention relates to an automatic driving vehicle, which comprises the following steps: step S1, the establishment of overtaking intention model; step S2, determine whether overtaking intention; is not to turn step S3; lane keeping state; step S3, to determine whether they meet the conditions, turn overtaking; step S4; no, to the lane keeping state; step S4, enter the super car. The invention uses artificial neural network algorithm to generate overtaking intention, and then uses rule based security and comfort condition to decide. It is necessary to solve the overtaking and can pass the problem, not only reflects the objectivity of the overtaking process, and fully consider the subjective factors of overtaking, overtaking to ensure safety and comfort conditions, the autopilot embodies the human driving habits.

【技术实现步骤摘要】
一种应用于自动驾驶车辆的高速公路超车行为决策方法
本专利技术涉及自动驾驶
，尤其涉及一种应用于自动驾驶车辆的高速公路超车行为决策方法。
技术介绍
智能化是汽车工业发展的必然趋势，而自动驾驶技术是汽车智能化的重要研究内容，也因此受到了相关国家政策的支持鼓励。在国务院发布的《中国制造2025》[22]中，明确要求“到2025年，掌握自动驾驶总体技术及各项关键技术”。美国政府将在2016年7月推出全美自动驾驶汽车标准的国家蓝图，并且从2017年的预算中拨出40亿美元来支持自动驾驶技术的研发。从自动驾驶汽车产业化发展进程来看，已经具备了理论研究与技术论证、市场推动、国家政策鼓励以及人才储备等良好条件。但是，自动驾驶技术依旧存在技术瓶颈与成本难题。两者是矛盾的，在一定条件下又可以相互转化，例如，增加传感器数量可以减少技术实现的难度，但是成本会不可避免的上升。这种转化关系类似“80/20法则”，即用20％的成本可以完成80％的路段行驶功能，而剩下的20％的路段行驶功能用80％的成本都难以实现。产业化进程中的自动驾驶功能与成本控制的矛盾，催生了两种实现自动驾驶的技术路线：一种是以谷歌公司为代表的直接实现自动驾驶功能，然后推出成熟产品；另一种以特斯拉为代表的先推出能够实现部分自动驾驶功能的产品，逐步实现全自主驾驶功能。逐步实现全自动驾驶的技术路线可以降低研发难度、实现成本控制，也更容易被市场接受。美国高速公路安全局根据自动化程度将自动驾驶技术分为了5个等级：0级，车辆不具备自动化功能；1级，具备1种以上自动化控制功能；2级，具备组合式的自动化控制功能；3级，具备特定环境下的自动驾驶功能；4级，具备全自动驾驶功能。从自动驾驶技术本身来看，在民用市场发展的内在推动力是它能够“解放人类”。换句话说，自动驾驶技术能够减轻人类驾驶员的驾驶强度，直至代替人类驾驶，使驾驶变得更轻松，而不再是一种负担。从这个角度出发，自动驾驶车辆自动化程度不断提高，就会不断吸引消费者。自动驾驶的另一个优点是安全，但是安全不是自动驾驶技术发展的本质驱动力，安全是作为汽车工业产品的必备属性。根据上述分析，美国高速公路安全局对自动驾驶的等级划分是具有很好指导意义的，也是非常实际的自动驾驶技术发展路线。目前，大部分研究机构与企业都处在第3级的研发阶段，在成本因素限制下，面临了感知系统不确定性、决策规划复杂性等具体问题。高速公路是汽车行驶的重要的道路类型，当前针对高速公路的车道保持技术和自动巡航技术已相对成熟，但是针对自动驾驶汽车超车行为决策的研究并不完善，有待深入研究。
技术实现思路
鉴于上述的分析，本专利技术旨在提供一种应用于自动驾驶车辆的高速公路超车行为决策方法，用以解决现有针对自动驾驶汽车超车行为决策的研究并不完善的问题。本专利技术的目的主要是通过以下技术方案实现的：一种应用于自动驾驶车辆的高速公路超车行为决策方法，包括以下步骤：步骤S1、建立超车意图模型；步骤S2、根据环境感知信息和本车状态信息，采用超车意图模型，判断是否产生超车意图；是，转步骤S3；否，继续车道保持状态；步骤S3、判断是否满足超车条件；是，转步骤S4；否，继续车道保持状态；步骤S4、进入超车子状态。进一步，所述步骤S1包括以下子步骤：步骤S101、数据采集与预处理；采集的数据包括本车、前车、左前车的速度、位置以及道路限速信息；将数据进行预处理得到数据集S＝{xhost,yhost,vhost,xfront,yfront,vfront,xleft,yleft,vleft,vlimit,t}其中，xhost,yhost,vhost分别表示本车的横向坐标、纵向坐标和速度，xfront,yfront,vfront分别表示前车的横向坐标、纵向坐标和速度，xleft,yleft,vleft分别表示左前车的横向坐标、纵向坐标和速度,vlimit表示道路限速，t表示时间；步骤S102、特征选取与模型训练得到超车意图模型；选取五个特征作为模型的输入向量，向量表达为：采用RBF神经网络进行模型训练得到超车意图模型。进一步，所述步骤S2包括以下子步骤：步骤S201、获得环境感知信息；步骤S202、获得本车状态信息；步骤S203、将步骤S201和步骤S202获得的信息进行处理得到超车意图模型输入向量，输入超车意图模型，根据模型输出结果判断是否产生超车意图；是，转步骤S3；否，继续车道保持状态。进一步，所述步骤S3包括下述子步骤：步骤S301，判断超车是否满足合法性和安全性；是，进入步骤S302；否，继续车道保持状态；步骤S302、进行超车规则判断，满足则转步骤S4；不满足则继续车道保持状态。进一步，所述合法性是指超车过程中必须遵循交通法律法规约束。进一步，所述判断超车是否满足安全性是根据安全性判断规则进行判断；所述安全性判断规则为：其中，d为本车与前车的实际距离，dsafe为安全距离，TTC为本车与前车的碰撞时间，TTCsafe为安全碰撞时间。进一步，所述安全距离采用下式得到：dsafe＝μsafevhost+Lvehicle+10式中，μsafe为驾驶员敏感系数，Lvehicle为本车车辆长度，10m为附加缓冲距离。进一步，所述本车与前车的碰撞时间TTC由下式得到：式中，yfront,yhost分别为前车与本车纵向坐标，vfront,vhost分别为前车与本车速度。进一步，所述超车规则判断是指，判断是否满足Yovertake＞Novertake；其中，Yovertake为超车收益、Novertake为超车损失。进一步，所述超车收益由下式计算得到：Yovertake＝μefficiencyCefficiencyCefficiency为效率性评价指标，μefficiency为权重系数；Cefficiency＝μv(vleftlane-vcurrentlane)+μleftfrontBleftfront+μfrontBfront其中，vleftlane为左侧车道通行速度，vcurrentlane为本车道通行速度，Bleftfront为左前车行为属性，数值取左前车加速度值；Bfront为前车行为属性，数值取前车加速度值，μv,μleftfront,μfront为权重系数；所述超车损失由下式计算得到：Novertake＝μcomfortCcomfort+μaltruisticCaltruisticCcomfort为舒适性评价指标，Caltruistic为利他性评价指标，μcomfort、μaltruistic分别为权重系数；Ccomfort＝μlatjlat+μlonjlon其中，jlat为横向加速度冲击度，jlon为纵向加速度冲击度，μlat、μlon分别为权重系数；Caltruistic＝μaccacc+μintint其中，acc为本车目标加速度，int为车辆避让意图，μacc、μint分别为权重系数；acc≥0时，int＝1，acc≤0时，int＝0。本专利技术有益效果如下：针对驾驶状态的转换采取分层决策：使用人工神经网络算法来产生超车意图，然后采用基于规则的安全性、舒适性等条件判定。超车意图产生解决了是否有必要进行超车的问题。超车意图产生具有较强的主观性，而超车安全等指标又具有较强的客观性。由于训练人工本文档来自技高网...

【技术保护点】
一种应用于自动驾驶车辆的高速公路超车行为决策方法，其特征在于，包括以下步骤：步骤S1、建立超车意图模型；步骤S2、根据环境感知信息和本车状态信息，采用超车意图模型，判断是否产生超车意图；是，转步骤S3；否，继续车道保持状态；步骤S3、判断是否满足超车条件；是，转步骤S4；否，继续车道保持状态；步骤S4、进入超车子状态。

【技术特征摘要】
1.一种应用于自动驾驶车辆的高速公路超车行为决策方法，其特征在于，包括以下步骤：步骤S1、建立超车意图模型；步骤S2、根据环境感知信息和本车状态信息，采用超车意图模型，判断是否产生超车意图；是，转步骤S3；否，继续车道保持状态；步骤S3、判断是否满足超车条件；是，转步骤S4；否，继续车道保持状态；步骤S4、进入超车子状态。2.根据权利要求1所述的方法，其特征在于，所述步骤S1包括以下子步骤：步骤S101、数据采集与预处理；采集的数据包括本车、前车、左前车的速度、位置以及道路限速信息；将数据进行预处理得到数据集S＝{xhost,yhost,vhost,xfront,yfront,vfront,xleft,yleft,vleft,vlimit,t}其中，xhost,yhost,vhost分别表示本车的横向坐标、纵向坐标和速度，xfront,yfront,vfront分别表示前车的横向坐标、纵向坐标和速度，xleft,yleft,vleft分别表示左前车的横向坐标、纵向坐标和速度，vlimit表示道路限速，t表示时间；步骤S102、特征选取与模型训练得到超车意图模型；选取五个特征作为模型的输入向量，向量表达为：采用RBF神经网络进行模型训练得到超车意图模型。3.根据权利要求1或2所述的方法，其特征在于：所述步骤S2包括以下子步骤：步骤S201、获得环境感知信息；步骤S202、获得本车状态信息；步骤S203、将步骤S201和步骤S202获得的信息进行处理得到超车意图模型输入向量，输入超车意图模型，根据模型输出结果判断是否产生超车意图；是，转步骤S3；否，继续车道保持状态。4.根据权利要求1所述的方法，其特征在于：所述步骤S3包括下述子步骤：步骤S301，判断超车是否满足合法性和安全性；是，进入步骤S302；否，继续车道保持状态；步骤S302、进行超车规则判断，满足则转步骤S4；不满足则继续车道保持状态。5.根据权利要求4所述的方法，其特征在于：所述合法性是指超车过程中必须遵循交通法律法规约束。6.根据权利要求4或5所述的方法，其特征在于：所述判断超车是否满足安全性是根据安全性判断规则进行判断；所述安全性判断规则...

【专利技术属性】
技术研发人员：龚建伟，熊光明，吕超，齐建永，
申请(专利权)人：北理慧动常熟车辆科技有限公司，
类型：发明
国别省市：江苏,32