一种基于换道基元的换道决策行为方法及系统技术方案

本发明专利技术属于自动驾驶技术领域，具体涉及一种基于换道基元的换道决策行为方法及系统。该方法包括：采集换道行为数据，训练长短时记忆网络，提取横向换道特征，得到横向类人换道基元模型和基元库；训练动态运动基元，提取纵向换道特征，得到纵向类人换道基元模型和基元库；基于新的行驶场景信息和驾驶行为信息，利用横纵向类人换道基元模型和横纵向换道决策基元库，确定横向换道决策和纵向换道决策行为轨迹。本发明专利技术通过构建横纵向类人换道基元模型与横纵向换道决策基元库确定车辆当前的横向换道决策和纵向换道决策行为轨迹，以辅助换道场景中自动驾驶车辆进行换道决策并提高对随机动态环境的自适应性以及行驶过程中的类人性和智能性。性和智能性。性和智能性。

【技术实现步骤摘要】
一种基于换道基元的换道决策行为方法及系统


[0001]本专利技术属于自动驾驶
，具体涉及一种基于换道基元的换道决策行为方法及系统。

技术介绍

[0002]目前的自动驾驶车辆对人类驾驶行为及驾驶经验的理解不够充分，导致自动驾驶车辆对环境的适应性较差、缺少类人性并且模拟人类驾驶行为的程度低。面对复杂的高动态驾驶场景，人类驾驶员首先产生横向换道决策意图，然后进行横纵向换道操作。然而，换道过程中由于驾驶环境随机动态、车流密度高等原因，自动驾驶车辆有时还不能像人类驾驶员那样进行高度智能的换道决策。当前的大部分换道决策方法没有充分考虑人类驾驶员高智能化换道决策过程，有必要研究如何更清晰的理解驾驶场景与学习人类驾驶行为，提高对随机动态环境的自适应性和自动驾驶车辆的智能性。

技术实现思路

[0003](一)要解决的技术问题
[0004]本专利技术要解决的技术问题是：如何提供一种基于换道基元的换道决策行为方法及系统。
[0005](二)技术方案
[0006]为解决上述技术问题，本专利技术提供一种基于换道基元的换道决策行为方法，其包括以下步骤：
[0007]步骤101：采集换道行为数据；
[0008]所述换道行为数据包括行驶场景信息和人类驾驶信息；
[0009]所述行驶场景信息包括：当前车道数、所在车道、车道线、交通标志；所述人类驾驶信息包括：换道车辆和周围车辆的横纵向位置信息、横纵向速度、横纵向加速度、车辆间的相对位置信息、相对速度信息、是否换道信息；
[0010]通过车载传感器对行驶场景信息和人类驾驶信息进行采集；所述车载传感器包括：摄像机、毫米波雷达、组合导航系统、电子控制系统；所述场景为一个多车道换道场景，换道车辆即目标车辆进行左换道、右换道或车道保持的换道决策；此外，超车行为属于本方法中左换道、右换道或车道保持的一种组合衍生形式；
[0011]步骤102：通过所述行驶场景信息对所述人类驾驶信息进行分类标注，从所述行驶场景信息和分类标注后的人类驾驶信息中提取相应的类人换道行为特征及换道场景标签；所述类人换道行为特征包括车辆间换道交互信息和车辆驾驶行为信息；
[0012]对类人换道行为特征进行预处理，获得预处理后的类人换道行为特征；
[0013]步骤103：通过所述类人换道行为特征和换道场景标签训练长短时记忆网络，得到横向类人换道基元模型；
[0014]根据步骤102预处理后的换道场景标签、车辆间换道交互信息、车辆驾驶行为信
息，对换道车辆的横向换道决策基元进行提取并构建横向换道决策基元库；
[0015]步骤104：通过横向换道决策基元和所述换道行为数据训练动态运动基元，得到纵向类人换道基元模型；
[0016]在步骤103提取横向换道决策基元基础上，对换道车辆的纵向换道决策基元进行提取并构建纵向换道决策基元库；
[0017]步骤105：根据所述横向类人换道基元模型、横向换道决策基元库、纵向类人换道基元模型以及纵向换道决策基元库确定换道决策行为轨迹。
[0018]其中，所述步骤102中，对类人换道行为特征进行预处理，其中，预处理方法包括归一化、滤波、平滑处理方法，以提升换道基元模型及换道决策的性能与效果。
[0019]其中，所述步骤102中，根据摄像机拍摄的行驶场景信息对人类驾驶信息进行分类标注，并对采集的人类驾驶信息分类标注出三种换道场景标签，左换道L1、右换道L2、车道保持L3；
[0020]定义换道场景标签集合O
scene
如下：
[0021]O
scene
＝[L1,L2,L3][0022]并获取类人换道行为特征中的车辆间换道交互信息O
R
：
[0023]O
R
(t)＝[Δx(t),Δy(t),Δv
x
(t),Δv
y
(t),Δa
x
(t),Δa
y
(t)][0024]以及类人换道行为特征中的车辆驾驶行为信息O
c
：
[0025][0026]其中，R表示周围车辆，C表示换道车辆；Δx，Δy表示周围车辆和换道车辆间的相对纵向和横向位置信息，Δv
x
，Δv
y
和Δa
x
，Δa
y
分别表示周围车辆和换道车辆在x，y方向上的相对速度和相对速度分量；x，y分别为换道车辆的纵向和横向位置信息，v
x
，v
y
和a
x
，a
y
分别为换道车辆在x，y方向上的速度和加速度分量，t表示时间。
[0027]其中，所述步骤103中，横向类人换道基元模型的数据输入格式如下：
[0028]O＝[O
scene
,O
R
,O
C
][0029]所述横向类人换道基元模型的数据输入O亦即为驾驶数据O；
[0030]选用长短时记忆网络LSTM对不同换道场景标签下的横向类人换道基元模型的数据输入O分别进行学习、训练和特征提取，然后建立对应换道车辆的横向类人换道基元模型；
[0031]模型训练过程中，基于预处理的数据输入O，首先利用网络的遗忘门f
t
的激活函数确定并控制当前单元遗忘或丢弃哪些驾驶特征；之后，网络输入门利用一个激活函数来控制保存与更新横向换道决策驾驶特征，并通过一个tanh函数获取新的候选驾驶状态特征，进而得到新的内部驾驶状态特征；最后，输入状态信息和上一序列的隐藏状态经过一个输出门的激活函数，并通过结合输出门将内部驾驶状态特征传递给外部状态，即为提取的横向换道决策基元；
[0032]最终，基于获得的长短时记忆网络模型，从驾驶特征中提取左换道、右换道和车道保持共三种横向换道决策特征参数和横向换道决策基元库；并分别建立对应的横向类人换道基元模型；
[0033]其中，三种横向换道决策基元为：左横向换道决策基元P
LC
＝1、右横向换道决策基元P
LC
＝2、和车道保持决策基元P
LC
＝3；进而针对不同的横向换道决策，模型输出对应横向
换道决策基元P
LC
＝1,2,3。
[0034]其中，所述步骤104中，在步骤103提取横向换道决策基元P
LC
＝1,2,3基础上，对换道车辆的纵向换道决策基元进行提取并构建纵向换道决策基元库；
[0035]纵向类人换道基元模型的数据输入为横向换道决策基元P
LC
以及驾驶数据O；
[0036]利用动态运动基元构建纵向类人换道基元模型，车辆的行为用如下转换系统表示：
[0037][0038][0039]其中，车辆位置d＝[x,y]，车辆速度v＝[v
x
,v
y
]，车辆加速度d0＝[x0,y0]和g本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于换道基元的换道决策行为方法，其特征在于，其包括以下步骤：步骤101：采集换道行为数据；所述换道行为数据包括行驶场景信息和人类驾驶信息；所述行驶场景信息包括：当前车道数、所在车道、车道线、交通标志；所述人类驾驶信息包括：换道车辆和周围车辆的横纵向位置信息、横纵向速度、横纵向加速度、车辆间的相对位置信息、相对速度信息、是否换道信息；通过车载传感器对行驶场景信息和人类驾驶信息进行采集；所述车载传感器包括：摄像机、毫米波雷达、组合导航系统、电子控制系统；所述场景为一个多车道换道场景，换道车辆即目标车辆进行左换道、右换道或车道保持的换道决策；此外，超车行为属于本方法中左换道、右换道或车道保持的一种组合衍生形式；步骤102：通过所述行驶场景信息对所述人类驾驶信息进行分类标注，从所述行驶场景信息和分类标注后的人类驾驶信息中提取相应的类人换道行为特征及换道场景标签；所述类人换道行为特征包括车辆间换道交互信息和车辆驾驶行为信息；对类人换道行为特征进行预处理，获得预处理后的类人换道行为特征；步骤103：通过所述类人换道行为特征和换道场景标签训练长短时记忆网络，得到横向类人换道基元模型；根据步骤102预处理后的换道场景标签、车辆间换道交互信息、车辆驾驶行为信息，对换道车辆的横向换道决策基元进行提取并构建横向换道决策基元库；步骤104：通过横向换道决策基元和所述换道行为数据训练动态运动基元，得到纵向类人换道基元模型；在步骤103提取横向换道决策基元基础上，对换道车辆的纵向换道决策基元进行提取并构建纵向换道决策基元库；步骤105：根据所述横向类人换道基元模型、横向换道决策基元库、纵向类人换道基元模型以及纵向换道决策基元库确定换道决策行为轨迹。2.如权利要求1所述的基于换道基元的换道决策行为方法，其特征在于，所述步骤102中，对类人换道行为特征进行预处理，其中，预处理方法包括归一化、滤波、平滑处理方法，以提升换道基元模型及换道决策的性能与效果。3.如权利要求1所述的基于换道基元的换道决策行为方法，其特征在于，所述步骤102中，根据摄像机拍摄的行驶场景信息对人类驾驶信息进行分类标注，并对采集的人类驾驶信息分类标注出三种换道场景标签，左换道L1、右换道L2、车道保持L3；定义换道场景标签集合O
scene
如下：O
scene
＝[L1,L2,L3]并获取类人换道行为特征中的车辆间换道交互信息O
R
：O
R
(t)＝[Δx(t),Δy(t),Δv
x
(t),Δv
y
(t),Δa
x
(t),Δa
y
(t)]以及类人换道行为特征中的车辆驾驶行为信息O
c
：其中，R表示周围车辆，C表示换道车辆；Δx，Δy表示周围车辆和换道车辆间的相对纵向和横向位置信息，Δv
x
，Δv
y
和Δa
x
，Δa
y
分别表示周围车辆和换道车辆在x，y方向上的相
对速度和相对速度分量；x，y分别为换道车辆的纵向和横向位置信息，v
x
，v
y
和a
x
，a
y
分别为换道车辆在x，y方向上的速度和加速度分量，t表示时间。4.如权利要求3所述的基于换道基元的换道决策行为方法，其特征在于，所述步骤103中，横向类人换道基元模型的数据输入格式如下：O＝[O
scene
,O
R
,O
C
]所述横向类人换道基元模型的数据输入O亦即为驾驶数据O；选用长短时记忆网络LSTM对不同换道场景标签下的横向类人换道基元模型的数据输入O分别进行学习、训练和特征提取，然后建立对应换道车辆的横向类人换道基元模型；模型训练过程中，基于预处理的数据输入O，首先利用网络的遗忘门f
t
的激活函数确定并控制当前单元遗忘或丢弃哪些驾驶特征；之后，网络输入门利用一个激活函数来控制保存与更新横向换道决策驾驶特征，并通过一个tanh函数获取新的候选驾驶状态特征，进而得到新的内部驾驶状态特征；最后，输入状态信息和上一序列的隐藏状态经过一个输出门的激活函数，并通过结合输出门将内部驾驶状态特征传递给外部状态，即为提取的横向换道决策基元；最终，基于获得的长短时记忆网络模型，从驾驶特征中提取左换道、右换道和车道保持共三种横向换道决策特征参数和横向换道决策基元库；并分别建立对应的横向类人换道基元模型；其中，三种横向换道决策基元为：左横向...

【专利技术属性】
技术研发人员：赵春青，光星星，党睿娜，赵熙俊，苏波，李静宜，张馨元，银丹，田泽宇，
申请(专利权)人：中兵智能创新研究院有限公司，
类型：发明
国别省市：