一种基于增强感知的自动驾驶车行为决策系统技术方案

本发明专利技术公开了一种基于增强感知的自动驾驶车行为决策系统，涉及自动驾驶技术领域，包括增强感知模块和行为决策模块；所述增强感知模块用于根据自动驾驶车周围的真实车辆和幽灵车辆构建时空图，采集自动驾驶车周围真实车辆的状态环境图像数据集，根据所述状态环境图像数据集构建所述幽灵车辆，以及根据所述时空图并行预测所述时空图中所有车辆的未来状态，所述幽灵车辆指的是自动驾驶车周围目标方向位置点没有而虚拟构建的车辆；所述行为决策模块用于根据所述未来状态，基于深度强化学习预测和混合奖励方法，得到变道决策及速度决策。本发明专利技术的适用广泛，对未来轨迹的预测精度具有稳定的高可靠性；并行预测所有的目标车辆的未来状态提升了预测效率。来状态提升了预测效率。来状态提升了预测效率。

【技术实现步骤摘要】
一种基于增强感知的自动驾驶车行为决策系统


[0001]本专利技术涉及自动驾驶
，具体而言，涉及一种基于增强感知的自动驾驶车行为决策系统。

技术介绍

[0002]由于城市化的发展与私家车的普及，世界上大多数城市都饱受交通拥堵的困扰。通常来说，道路环境跟驾驶员行为是造成交通拥堵的主要原因。其中，道路环境中车道施工和道路合并都容易引起交通堵塞。此外，驾驶员的不良驾驶行为(如急刹车和强行变道)更是导致交通拥堵甚至是交通事故的一个重要因素。由于视野受限和反应延迟等一些人类驾驶员的缺点，这种人为造成的交通拥堵比道路环境造成的拥堵更为频繁。其中，在密度高的交通场景中，由驾驶员的不良驾驶行为引起的轻微的交通波动容易产生“多米诺骨牌效应”，从而蔓延到整个交通流并最终导致严重的交通拥堵。为了避免这种现象，驾驶员需要时刻保持冷静和注意力集中以维持一个车辆之间的安全距离。这对于人类司机来说是极具挑战性的。
[0003]随着车辆自动化技术的飞速发展，当未来道路上大部分车辆为自动驾驶车时，无人驾驶的目标可以得到实现。传统方法已经证明，自动驾驶汽车可以借助自适本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于增强感知的自动驾驶车行为决策系统，其特征在于，包括增强感知模块和行为决策模块；所述增强感知模块用于根据自动驾驶车周围的真实车辆和幽灵车辆构建时空图，采集自动驾驶车周围真实车辆的状态环境图像数据集，根据所述状态环境图像数据集构建所述幽灵车辆，以及根据所述时空图并行预测所述时空图中所有车辆的未来状态，所述幽灵车辆指的是自动驾驶车周围目标方向位置点没有而虚拟构建的车辆；所述行为决策模块用于根据所述未来状态，基于深度强化学习预测和混合奖励方法，得到变道决策及速度决策。2.根据权利要求1所述基于增强感知的自动驾驶车行为决策系统，其特征在于，所述增强感知模块包括图像数据采集模块和基于图的状态预测模型；所述图像数据采集模块用于采集自动驾驶车周围真实车辆的状态环境图像数据集；所述状态预测模型包括幽灵车辆构建模块，时空图构建模块，以及带有LSTM的图注意力机制预测模块；所述幽灵车辆构建模块用于根据所述状态环境图像数据集构建所述幽灵车辆；所述时空图构建模块用于根据自动驾驶车周围的真实车辆和幽灵车辆构建时空图；所述图注意力机制预测模块用于根据所述时空图并行预测所述时空图中所有车辆的未来状态；所述行为决策模块包括混合奖励函数，以及基于深度强化学习的预测模型；所述混合奖励函数，以及基于深度强化学习的预测模型，用于根据所述未来状态，基于深度强化学习和混合奖励方法，得到变道决策及速度决策。3.根据权利要求2所述基于增强感知的自动驾驶车行为决策系统，其特征在于，所述目标方向位置点包括第一目标方向位置点和第二目标方向位置点；所述第一目标方向位置点有6个，且包括自动驾驶车的左前方，正前方，右前方，左后方，正后方和右后方位置点；对于每个所述第一目标方向位置，其左前方，正前方，右前方，左后方，正后方和右后方位置点，均为所述第二目标方向位置点。4.根据权利要求3所述基于增强感知的自动驾驶车行为决策系统，其特征在于，所述图注意力机制预测模块预测所述时空图中所有车辆的未来状态的方法包括：S1、聚合所述时空图中具有不同重要性分数的车辆节点，对于每一车辆节点，收集其周围六辆车的信息并通过神经网络计算该车辆节点的状态信息；S2、对于所述时空图中的每一车辆，将其在不同时间步的车辆节点状态信息输入到LSTM；S3、对于所述时空图中的每一车辆，LSTM从其不同时间步的车辆节点状态信息捕捉其时间依赖性，且LSTM并行输出所述时空图中所有车辆的未来状态。5.根据权利要求4所述基于增强感知的自动驾驶车行为决策系统，其特征在于，步骤S1中，对于每个时刻的时空图其中每辆车其中每辆车的...

【专利技术属性】
技术研发人员：夏宇阳，刘顺程，胡锐，张正卓，付渊，曾曦霂，余泉霖，陈旭，苏涵，郑凯，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：