【技术实现步骤摘要】
本专利技术设计智能驾驶辅助技术及环境感知，尤其涉及一种无信号右转交叉口人车博弈的行人行为预测方法。
技术介绍
1、混合交通是城市交通的一大特点，行人和车辆是道路交通的主要使用者。随着汽车保有量的增加，人车冲突也逐渐频繁。在所有交通事故中，行人、自行车驾驶者、摩托车驾驶者等“弱势交通参与者”占比超过50％。行人作为交通环境中的重要参与者，虽然他们的速度比车辆低很多，但是行人的过街行为具有很强的灵活性和不确定性。而行人又是交通参与者中的弱势群体，一旦发生事故，往往会受到更为严重的伤害。在有信号的交叉路口，交通信号灯对车辆和行人的行为起到了约束作用，所以人车冲突的概率很低。而对于没有信号灯的右转路口，行人和车辆之间的关系变得复杂起来，由于没有明确的道路归属权，双方的行为既有一定的联系又都充满不确定性。无信号交叉口下的人车交互场景是典型的交通场景之一，如何模拟无信号交叉口下的人车交互测试场景值得研究。
2、行人和车辆在交互的过程中存在着以下三个特点：交互场景的复杂性和多样性、双方交互意图传递的不确定性以及在交互过程中行为的差异性。在现有的仿真测试场景中，行人往往被当作是一个障碍物或者以人为规定的速度运动，并不能体现行人作为一个智能体的灵活性，因此怎样逼真模拟场景中行人和车辆的动态交互与博弈成为一个关键问题。
3、国内外研究人员采用多种方法对行人过街交通场景进行仿真模拟，主要包括机理模型仿真和数据驱动仿真方法。基于机理模型仿真方法主要包括社会力模型和元胞自动机模型。社会力模型以牛顿动力学为基础，假设道路使用者作为粒
4、近年来，基于人工智能技术的数据驱动方法越来越多的应用到智能汽车场景建模的研究，与机理建模方法相比，数据驱动方法在模拟道路用户交互方面表现出了优越的性能。例如，最大熵逆强化学习基于最大熵原理的概率方法来解释固有噪声和次优轨迹，消除奖励函数多样性的可能。使得在专家数据中观察到的轨迹概率与轨迹发生概率和轨迹奖励的指数呈正比。当对一个随机事件的概率分布进行估计时，应当满足全部已知条件，且不能对未知状态进行任何主观假设。在这种条件下的概率分布最为均匀，信息熵最大。通过这种方法处理观察到的轨迹的不确定性和噪声可能会获得一个鲁棒性更强的奖励函数。
5、综上，如何才能保证无信号右转交叉口的行人行为的预测准确性，从而准确的进行行人行为的虚拟模拟，用以逼真模拟场景中行人和车辆的动态交互与博弈状态，成为了目前行业中一项亟待解决的问题。
技术实现思路
1、针对上述现有技术的不足，本专利技术提供了一种无信号右转交叉口人车博弈的行人行为预测方法，以进一步保证对无信号右转交叉口的行人轨迹的预测准确性，从而用以更准确的进行行人行为虚拟模拟。
2、为了解决上述技术问题，本专利技术采用了如下的技术方案：
3、一种无信号右转交叉口人车博弈的行人行为预测方法，包括以下步骤：
4、s1、获取行人及车辆在无信号右转交叉口的历史数据作为样本数据，建立训练样本数据集；
5、s2、分析无信号右转交叉口的人车博弈影响因素，根据安全性效用和时效性效用两个影响因素建立博弈效用矩阵；
6、s3、将所述博弈效用矩阵引入到最大熵逆强化学习模型，构建基于逆强化学习模型网络构架的人车博弈行人行为预测网络模型；
7、s4、使用所述训练数据集对人车博弈行人行为预测网络模型进行训练；
8、s5、使用训练后的人车博弈行人行为预测网络模型对无信号右转交叉口的行人行为进行实时预测。
9、作为优选方案，所述步骤s2具体包括：
10、s21、划分博弈阶段，设计观察区域和冲突区域，行人与车辆一旦进入观察区域则认定博弈开始；并利用后侵入时间来表征人车冲突的危险程度，所述后侵入时间为判定行人及车辆进入冲突区域的时间差，后侵入时间越短则危险程度越高；
11、s22、根据人车博弈的安全性效用和时效性效用两个影响因素，为人车博弈通行的交通参与者制定行为策略，并建立行为策略的安全性评估公式和时效性评估公式；所述安全性评估公式用于评估行为策略的安全性，所述时效性评估公式用于评估行为策略的时效性；
12、s23、基于所述行为策略的安全性评估公式和时效性评估公式，构建博弈效用矩阵；
13、s24、根据所述博弈效用矩阵，确定不同交通参与者行为策略的期望收益函数，进而确定不同交通参与者行为策略的出现概率，完成博弈效用矩阵的构建。
14、作为优选方案，所述步骤s22中，行为策略的安全性评估公式包括：
15、
16、
17、其中，表示车辆的安全性效用，表示行人的安全性效用；vv表示车辆的通过速度，av表示车辆的加速度，vp表示行人的通过速度，ap表示行人的加速度，θ1表示车辆的安全影响权重，θ2表示行人的安全影响权重；σv为车辆的碰撞危险程度因子，σp为行人的碰撞危险程度因子，且：
18、
19、
20、其中，pet表示后侵入时间。
21、作为优选方案，所述步骤s22中，行为策略的时效性评估公式包括：
22、
23、
24、
25、
26、其中，和分别为车辆的高效性效用和时效性效用，和分别为行人的高效性效用和时效性效用；θ3为过街影响权重因子，θ4为等待影响权重因子，vv表示车辆的通过速度，vp表示行人的通过速度，tv表示车辆的等待时间，tp表示行人的等待时间。
27、作为优选方案，所述步骤s22中，交通参与者的行为策略包括行人车辆同时通行、行人等待车辆通行、行人通行车辆等待以及行人车辆同时等待；
28、当行人通行车辆等待时，双方效用如下式所示：
29、
30、
31、其中，为行人通行效用，为车辆等待效用，ω为车辆启动所消耗时间权重；
32、当行人等待车辆通行时，双方效用如下式所示：
33、
34、
35、其中，为车辆通行效用，为行人等待效用；
36、当行人车辆同时通行时，双方效用如下式所示：
37、
38、
39、其中，为行人冲突效用，为车辆冲突效用；
40、当行人车辆同时等待时，双方效用如下式所示：
41、
42本文档来自技高网...
【技术保护点】
1.一种无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，所述步骤S2具体包括：
3.根据权利要求2所述无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，所述步骤S22中，行为策略的安全性评估公式包括：
4.根据权利要求2所述无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，所述步骤S22中，行为策略的时效性评估公式包括：
5.根据权利要求2所述无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，所述步骤S22中，交通参与者的行为策略包括行人车辆同时通行、行人等待车辆通行、行人通行车辆等待以及行人车辆同时等待；
6.根据权利要求5所述无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，所述步骤S23中，构建的博弈效用矩阵为：
7.根据权利要求6所述无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，所述步骤S24中，所述期望收益函数为车辆通过行人选择等待及行人通过车辆选择等待的混合优势策
8.根据权利要求1所述无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，所述步骤S3具体为：
9.根据权利要求8所述无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，所述步骤S4中，对人车博弈行人行为预测网络模型进行训练的方式为：
10.根据权利要求1所述无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，所述步骤S5之后，还包括：
...【技术特征摘要】
1.一种无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，所述步骤s2具体包括：
3.根据权利要求2所述无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，所述步骤s22中，行为策略的安全性评估公式包括：
4.根据权利要求2所述无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，所述步骤s22中，行为策略的时效性评估公式包括：
5.根据权利要求2所述无信号右转交叉口人车博弈的行人行为预测方法，其特征在于，所述步骤s22中，交通参与者的行为策略包括行人车辆同时通行、行人等待车辆通行、行人通行车辆等待以及行人车辆同时等待；
6.根据权利要求5所述无信...
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。