【技术实现步骤摘要】
本申请涉及决策规划，特别涉及一种车辆的自动驾驶预测决策方法及装置。
技术介绍
1、自动驾驶是在没有任何人类主动操作的情况下，通过人工智能技术等技术实现自动安全行驶的车辆。自动驾驶给人们的生活带来便利的同时，也引发了大量的交通事故，由此现实生活中加大了对于周围障碍物的轨迹预测及车辆行为决策等研究的投入。
2、相关技术中，可以采用轨迹预测与行为决策独立研究、基于规则的预测方法以及基于深度学习的预测方法，其中，轨迹预测与行为决策独立研究主要为对障碍物进行轨迹预测时不考虑自车的决策行为对其产生的影响，对自车进行行为决策时不考虑障碍物的轨迹；基于规则的预测方法主要是基于车辆的物理模型进行运动模拟，进而生成稳定的避让策略；基于深度学习的预测方法则通过对大量数据集进行训练测试，进而不断完善模型的精准度。
3、然而，相关技术中，对障碍物的意图很难进行非确定性预测，也没有考虑交通信号灯等特殊的场景，且非常依赖模型和数据集，对预测结果的可解释性较差，很难适应实现复杂的交通环境，不能提供安全、可靠、稳定的决策建议，亟需改进。
<...【技术保护点】
1.一种车辆的自动驾驶预测决策方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述每条车道边线的中心线的计算公式为：
3.根据权利要求1所述的方法，其特征在于，所述每个自车周围障碍物的加速度的预测公式为：
4.根据权利要求1所述的方法，其特征在于，所述识别所述每个自车周围障碍物的变道意图，包括：
5.根据权利要求4所述的方法，其特征在于，所述换道获利值的计算公式为：
6.根据权利要求1所述的方法，其特征在于，所述综合评价指标的计算公式为：
7.一种车辆的自动驾驶预测决策装置，其
【技术特征摘要】
1.一种车辆的自动驾驶预测决策方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述每条车道边线的中心线的计算公式为：
3.根据权利要求1所述的方法，其特征在于，所述每个自车周围障碍物的加速度的预测公式为：
4.根据权利要求1所述的方法，其特征在于，所述识别所述每个自车周围障碍物的变道意图，包括：
5.根据权利要求4所述的方法，其特征在于，所述换道获利值的计算公式为：
6.根据权利要求1所述的方法，其特征在于，所述综合评价指标的计算公式为：
7.一种车辆的自动驾驶预测决策装置，其特征在于，包括：
8.根据权利要求7所述的装置，其特征在于，所述每条车道边线的中心线的计算公式为：
9.根据权利要求7所述的装置，其特征在于，所述每个自车周围障碍物的加速度的预测公式为：...
【专利技术属性】
技术研发人员：高博麟，韩硕，罗禹贡，周光，崔艳，
申请(专利权)人：清华大学，
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。