高速公路场景中开放式无人驾驶车群动态演化预测方法技术

本发明专利技术目的：如何根据无人驾驶车群动态演化预测接下来车群运动行为，是保证无人驾驶车群运动行为始终保持稳定有序所急需解决的问题。本发明专利技术公开高速公路场景中开放式无人驾驶车群动态演化预测方法：结合高速公路场景，首先对无人驾驶车群结构进行特征提取，然后根据发生的演化事件生成样本，最后使用分类预测方法预测无人驾驶车群的将要发生的演化事件。解决上述问题，能够准确地预测无人驾驶车群接下来的演化行为，能够合理指导新车群或车群集的建立，确保无人驾驶车群运动行为保持稳定有序，使得无人驾驶能够在高速公路得到广泛应用成为可能。

【技术实现步骤摘要】
高速公路场景中开放式无人驾驶车群动态演化预测方法
本专利技术涉及无人驾驶领域。
技术介绍
现有车联网互联互通的现有技术：目前，所谓车联网皆指人驾驶车辆。相关研究人员在车辆自组织网络(VehicularAd-hocNETwork，VANET)、基于基础设施的车联网网络(VehicularInfrastructure-basedNETwork，VINET)以及VANET与VINET混合网络方面进行了相关研究。车联网(有人驾驶)从信息领域的角度，对车与车、车与路面基础设施以及与后台服务器直接的信息交互，不考虑周围环境的外界因素，诸如障碍物、有人驾驶车体(这里指移动障碍物节点)、红绿灯等的干扰。
技术实现思路
针对以上问题，程久军等专利技术人于2020年12月16日申请的高速公路场景中开放式无人驾驶车群动态演化方法(申请人：同济大学，专利申请号：202011484672.6)：研究基于车群相似度的元车群序列，从微观上分析节点的出现、加入、消失和离开等节点变化事件，然后从宏观上分析无人驾驶车群演化事件，包括车群形成、消亡、生存、分裂以及合并事件，给出了无人驾驶车群动态演化方法；即为实施例1公开内容。本专利技术目的：如何根据无人驾驶车群动态演化预测接下来车群运动行为，是保证无人驾驶车群运动行为始终保持稳定有序所急需解决的问题。基于实施例1，本专利技术进一步公开无人驾驶车群动态演化后的运动行为进行预测的方法：结合高速公路场景，首先对无人驾驶车群结构进行特征提取，然后根据发生的演化事件生成样本，最后使用分类预测方法预测无人驾驶车群的将要发生的演化事件。解决上述问题，能够准确地预测无人驾驶车群接下来的演化行为，能够合理指导新车群或车群集的建立，确保无人驾驶车群运动行为保持稳定有序，使得无人驾驶能够在高速公路得到广泛应用成为可能。为此，本专利技术实施例2技术方案：一种高速公路场景中开放式无人驾驶车群动态演化预测方法，具体包括如下步骤：步骤1.相关定义步骤2.无人驾驶车群动态演化预测步骤2.1车群特征提取步骤2.2车群样本生成步骤2.3车群动态演化预测本专利技术目的在于公开一种考虑高速公路场景下，面向开放式无人驾驶车群行车环境，提供一种能够实时准确地预测车群动态演化后的未来演化趋势，有效满足未来无人驾驶车群始终保持运动行为智能化，从而能够使得无人驾驶在高速公路场景中能够得到应用的方法。本专利技术技术方案专适用于高速公路场景，并不适用于诸如港口、物流等封闭式场景，也不适用于城市场景。附表说明表1符号说明表2无人驾驶车群结构特征表3WEKA支持分类器表4仿真实验参数附图说明图1实施例2车群形成和消亡样本图2实施例2车群生存和分裂样本图3实施例2车群合并和分裂样本图4实施例2车群动态演化样本示例图5实施例2无人驾驶车群动态演化预测算法流程图(算法1)图6实施例2无人驾驶车群动态演化预测准确率图7实施例2无人驾驶车群动态演化预测召回率图8实施例2无人驾驶车群动态演化预测F1值对比图图9为本专利技术实施例2方法总流程图图10为实施例1跳车群网络拓扑结构图图11为实施例1无人驾驶车辆状态转换框架图具体实施方式实施例1实施例1的专利技术目公开高速公路场景中开放式无人驾驶车车群模型及车群形成过程研究方法本专利技术研究方法，其特征在于，包括如下步骤：一、预定义步骤(包括无人驾驶车辆直接连通性、邻居节点、邻居节点集)为了研究基于高速公路场景中无人驾驶车群形成算法，本专利技术给出如下定义：定义1无人驾驶车辆直接连通性DVC(DriverlessVehicleConnectivity)以表示两个无人驾驶车辆节点直接连接的稳定程度，其数学表达式为(1)：其中，DCR(DriverlessCommunicationRange)表示无人驾驶车辆通信的最大连通范围；distt(vi，vj)表示t时刻无人驾驶车辆节点vi与另一无人驾驶车辆节点vj之间的距离；当节点之间的距离大于最大连通范围时，DVC为0，表明两个无人驾驶车辆节点不存在连接，即反映在拓扑图上是两个节点之间不存在边；当无人驾驶车辆节点之间的距离小于或等于最大传输范围时，DVC与车辆之间的距离成负相关。节点之间距离越近，DVC越大，两个无人驾驶车辆节点之间直接连接的可靠程度越高，联系越紧密，反映到拓扑图上边的权重就越大。定义2邻居节点NeiNode：如果无人驾驶车辆节点vi与另一无人驾驶车辆节点vj满足DVC(vi，vj)＞0，则称vi与vj互为邻居节点，反映在拓扑图中即是vi与vj之间存在一条边；所述邻居节点NeiNode由数学表达式表征为(2)：NeiNode(vi，vj)＝1ifDVC(vi，vj)＞0(2)定义3邻居节点集Ni，t：表示无人驾驶节点vi在t时刻的邻居节点的集合Vj，数学表达式为(3)：二、构建无人驾驶车群网络拓扑结构步骤无人驾驶车群即邻居车群NeiVG，如果两个无人驾驶车群VGi与VGj中的节点之间存在连接边，那么这两个车群互为邻居车群，所述无人驾驶车群的网络结构采用数学表达式为(4)：为无人驾驶车辆在高速公路道路的每一个方向上形成多跳车群拓扑，如图10所示，是一个三跳车群网络拓扑结构，其中：车辆的可连通半径在图中由R表示，车辆节点间的虚线表示车辆可以之间连通，不在连通范围内的车辆节点可由其他车辆转发通信；三、定义车辆状态定义6为了描述高速公路场景下无人驾驶车群形成过程，定义了以下五种无人驾驶车辆状态：(1)初始化状态IN(Initialization)初始化状态是无人驾驶车辆节点的起始状态。在初始化时，每个无人驾驶车辆节点维护一个车辆基本信息表VIBT(VehicleInformationBasicTable)，包括节点自身及其邻居节点的车辆信息，其中：车辆信息包括其车辆ID、方向、速度、位置坐标、当前车辆状态，邻居车辆信息包括车辆周围各邻居节点的车辆状态信息，此外，车辆还需记录所属车群ID，如果是普通节点CN，则需保存到引领节点LN的跳数，连接到引领节点LN经过普通节点CN的车辆ID；如果是引领节点LN，还需保存车群成员ID。举例而非限定，表1-1车辆基本信息表如下：(2)选举状态SE(SelectState)每个无人驾驶车辆节点在初始化状态后，全面感知其邻居节点信息，同时将自身信息发送给周围邻居节点，将车辆基本信息表VIBT更新为最新状态，此时，该无人驾驶车辆节点将自身的状态切换为选举状态。(3)/(4)引领节点状态与普通节点状态为了表征无人驾驶车辆节点在车群中的地位与其在车群维护中的贡献程度，在选举状态后，一个无人驾驶车群产生一个以上引领节点(Le本文档来自技高网...

【技术保护点】
1.一种高速公路场景中开放式无人驾驶车群动态演化预测方法，其特征在于，具体包括如下步骤：/n步骤1.相关定义/n步骤2.无人驾驶车群动态演化预测/n步骤2.1车群特征提取/n步骤2.2车群样本生成/n步骤2.3车群动态演化预测。/n

【技术特征摘要】
1.一种高速公路场景中开放式无人驾驶车群动态演化预测方法，其特征在于，具体包括如下步骤：
步骤1.相关定义
步骤2.无人驾驶车群动态演化预测
步骤2.1车群特征提取
步骤2.2车群样本生成
步骤2.3车群动态演化预测。


2.如权利要求1所述的一种高速公路场景中开放式无人驾驶车群动态演化预测方法，其特征在于，步骤1中，
定义车群相似度设和分别是时间i和j检测到的车群；如果两个车群中相同的无人驾驶车辆节点与两个车群的节点总和的比例超过设定阈值k，则称和是相似的，用表示，数学表达式为(1)：



其中，表示时间i检测到的车群，分别表示在时间i和j下，无人驾驶车群p和q中无人驾驶车辆节点的数目。


3.如权利要求1所述的一种高速公路场景中开放式无人驾驶车群动态演化预测方法，其特征在于，步骤2.1中，车群特征提取
无人驾驶车群是由一定规模位置相近、运动趋势相似以及通信紧密的无人驾驶车辆节点组成的团体，根据图论知识，将无人驾驶车群抽象为由多个节点组成的复杂网络，每一个车群都具有其对应的结构特征，具体包括车群内节点数，节点连接的边数，车群内部与外部的连接比例，车群持续时间；无人驾驶车群结构特征详细描述见表2。


4.如权利要求1所...

【专利技术属性】
技术研发人员：程久军，魏超，原桂远，毛其超，刘登程，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31