【技术实现步骤摘要】
基于svo的自动驾驶智能控制方法
[0001]本专利技术属于智能交通
,涉及基于神经网络的高速车辆轨迹预测方法及基于交通预测的车辆路径规划方法。
技术介绍
[0002]随着无人驾驶技术的发展,在公共道路上行驶的自动驾驶汽车迫切需要提高效率和安全性。目前,自动驾驶汽车缺乏对人类行为的理解,因此只能采取保守的驾驶策略。保守的驾驶策略会造成交通拥堵,尤其在高速路口。同时这种保守行为,可能使自动驾驶汽车更容易受到人类驾驶员的追尾撞击,或者发生其它交通事故。在美国加州自动驾驶汽车的一份交通事故的分析中,57%的车祸是自动驾驶汽车被人类司机追尾,其中许多撞车事故的发生是因为自动驾驶汽车的行为方式出乎了人类司机的预料。为了使自动驾驶汽车与人类驾驶员安全的同行在公共道路上,自动驾驶系统必须了解人类驾驶员的意图和驾驶风格,并以贴合人类驾驶员的行驶方式做出驾驶行为。
[0003]自动驾驶领域是人工智能研究的一个重要的领域,其主要包括传感器、高速芯片和GPU等。如何提高汽车的视觉能力,如何在计算机系统中复制人类视觉反应能力,是目前摆在研发人员面前最棘手的技术难题。目前研发的汽车Vision系统,仍然非常原始。当车道上突然出现行人时,即使无人驾驶汽车扫描仪及时感知到,自动驾驶系统也无法立刻做出控制自动驾驶车辆避开的操作,控制系统的缺陷限制了自动驾驶的避险功能。无人驾驶汽车的难点还在于,汽车除了需要对周围其他车辆保持关注外,还必须能监测到一系列其它对象,比如路人、车道、停止线、交通指示牌以及周围的红绿灯等,目前自动驾驶预测系统并 ...
【技术保护点】
【技术特征摘要】
1.基于SVO理论的自动驾驶智能控制系统,其特征在于:将社会心理学工具(SVO)集成到自动驾驶汽车的控制中包括以下步骤:步骤1:完成高速公路行车数据集的结构化数据采集、半结构化数据解析,并抽取结构化数据来仿真高速路况;利用Matlab自动驾驶工具箱,构造不同曲率半径的S型道路,获取该S型道路的左右两条边界,同时仿真2辆历史交通车以及它们的行驶路径;步骤2:利用Matlab自动驾驶仿真数据集,训练自动驾驶仿真LSTM神经网络模型,模型利用LSTM网络来捕捉自动驾驶仿真时周边车辆实时变化的运动特征和隐藏状态的信息;该模型通过引入“Social”池化层,在多辆汽车之间进行共同推理,在每一段时间内,LSTM神经网络的社区从相邻的LSTM神经网络的社区接收到隐藏状态信息的社会与信息池化,并利用社会与信息池化的LSTM网络完成无人驾驶汽车的轨迹预测;步骤3:根据预测结果和当前驾驶场景,基于模糊逻辑生成无人驾驶车辆的换道决策;然后,基于最优化原理,规划全局路径;步骤4:采用B—SPLINE(B样条)曲线算法优化模型的横向路径规划,同时通过动态规划算法优化模型的纵向速度规划;引入参数完成相关控制:纵向控制——通过控制汽车制动/油门实现汽车的速度控制,横向控制——通过调节方向盘角度实现航向控制,实现模型预判控制(MPC);社会与信息池化LSTM网络,将时域空间和空域空间的智体关系抽象为低维的可量化嵌入LSTM网络;将节点和边缘的时间信息捕获到演化图中;自动驾驶仿真LSTM神经网络模型中同一个场景的每个轨迹都有一个独立的LSTM网络;然后,LSTM通过社交池(社会与信息池,S池)层相互连接;池化层使空间上接近的LSTM网络彼此共享信息;通过平均聚合、加权聚合和图进化消息或图消息传递聚合操作来表征人类驾驶者之间的互动强度;池化操作在时域和空域维度的低维潜状态中,以不同的神经网络结构独立或同时嵌入信息;符合社会价值取向(SVO)的自动驾驶算法如表1所示;表1符合社会标准的自动驾驶算法人类驾驶者在与他人互动时,会产生形形色色的社交偏好;通过对心理学倾向进行量化计算,得到不同的SVO心理学倾向,分别为利己主义与利他主义;SVO心理学倾向衡量车手是否将自己在道路上行驶的优先权设置为高于其他车手;使用一种非交互式基线算法,对除本自动驾驶车辆的其他驾驶员车辆模型进行计算,得到其最佳策略;利用数据集和轨迹历史,将其他驾驶员建模为动态驾驶交通车辆,同时,将基线预测得到的性能标准与SVO理论模型的标准进行比较,针对不同的驾驶交互行为,产生不同的静态SVO:1)静态利己主义
SVO;2)静态利他主义SVO;3)动态社会性SVO;最佳静态SVO对应整个驾驶交互过程中为保持恒定时的最佳SVO估计值;路径规划与速度有关,影响乘坐舒适感的舒适性评价指标占据主导,如加速度,加加速度等指标;路径规划不包含时间信息,因此仅从路径曲线本身进行分析,建立参考路径长度与路径平均曲率的评价指标;采用两个路径评价指标:路径长度与路径平均曲率;常用的多目标优化方法有:Pareto最优化前沿,线性加权法即多目标转单目标,NSGA非支配性排序遗传算法;根据换道路径筛选这一问题的复杂程度;选择线型加权法;f=ω1f
length
+ω2f
curvature
其中f
length
和f
curvature
分别表示根据权重系数构造的路径长度与路径平均曲率函数;采用路径规划算法为B
‑
spline(B样条)曲线算法;B
‑
spline曲线定义为:其中p
i
是特征多边形的顶点;B
i
,k称为k阶(k
‑
1次)基函数,B
‑
spline算法阶数为次数加1;在非零定义域中,在每个重复度k的结点中,K
‑
1的基函数最大限度地减少;在每个复数k的内部结点中,非零基函数的p
...
【专利技术属性】
技术研发人员:操凤萍,柏子洋,朱林,弭娜,
申请(专利权)人:东南大学成贤学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。