[发明专利]一种分布式智能网联汽车交叉路口复杂场景通行决策方法

说明书

本发明提出的一种分布式智能网联汽车交叉路口复杂场景通行决策方法，属于智能交通技术领域。与传统基于规则或强化学习的无信号灯交叉路口决策方法不同，本发明引入了车辆违反交通规则检测机制，实现了规则与强化学习方法的融合。首先采用隐式曲线族的车辆违章检测算法判断交叉路口是否有车辆违反交通规则；当车辆都遵守交通规则时，采用规则方法进行交叉路口车辆通行决策；反之则采用基于强化学习的方法进行交叉路口车辆通行决策。本发明实现了遵守与违反交通规则混杂的复杂交通场景下的无信号灯交叉路口智能网联汽车自主通行决策，为提高复杂环境下的交通安全和交叉路口通行效率提供技术支撑。

技术领域

本发明属于智能交通技术领域，特别涉及一种分布式智能网联汽车交叉路口复杂场景通行决策方法。

背景技术

相关报告显示2016年我国因道路交通事故造成的人员伤亡位居世界前列，其直接造成的经济损失高达数十亿。文献(任书杭.基于TCT的城市道路十字交叉口安全评价研究[D].长安大学,2016.)记录了对我国某代表性城市进行的交通事故数据调查，调查结果显示城市交叉路口是交通事故第一高发路段。该文献通过对某城市15个交叉口进行实地调研，结果显示行人与汽车驾驶员违反交通规则是交叉路口处交通事故高发的根本原因。

智能网联汽车(Intelligent Connected Vehicle，ICV)是指搭载有先进的车载传感器、控制器、执行器等装置，并融合V2X通信(Vehicle-to-Everything，V2X，是指车辆与外界进行信息交换)，实现车与人、车、路等信息交换共享，实现安全、舒适、节能、高效行驶，并最终可替代人来操作的新一代汽车。ICV是汽车产业的必然发展趋势。交叉路口通行决策是指ICV通过信息搜集、处理、最后做出车辆以什么速度通过交叉路口的决定。进行通行决策是ICV通过交叉路口的首要任务。因此，研究遵守与违反交通规则混杂场景下的复杂交叉路口ICV通行决策，具有非常重要的理论意义和工程价值。

交叉路口通行决策的一个主要研究课题是无信号控制的分布式交叉路口通行决策，基于规则的分布式交叉路口决策已经取得一系列研究成果，主要包括基于可接受间隙模型的方法、基于动态博弈的方法、基于冲突表的资源锁方法等。但是基于规则的分布式交叉路口决策只有在所有车辆都遵守交通规则的时候才能达到预期效果，当交叉路口存在违法交通规则车辆时，基于规则的分布式交叉路口决策效果并不十分理想。

强化学习又称再励学习，是一种重要的机器学习方法。近年来强化学习也被应用于交叉路口的通行决策。但是强化学习需要相对较大的计算量很难保证ICV全程在线处理。

针对车辆违反交通规则(中华人民共和国交通道路安全法)的检测方法也取得了一定研究成果(如参考文献1，2，3)。目前违反交通规则的检测方法主要应用于为公安交通管理局对违反交通规则行为识别提供辅助参考，但是没有直接应用于交叉路口的自动驾驶车辆自主决策之中。

发明内容

本发明的目的是针对上述需求，提出一种分布式智能网联汽车交叉路口复杂场景通行决策方法，本发明方法在全自动驾驶的条件下，针对无信号灯交叉路口，将车辆违反交通规则的检测机制引入到交叉路口的自动驾驶车辆自主决策之中，实现了规则与学习决策方法的融合，为提高复杂环境下的交通安全和交叉路口通行效率提供技术支撑。

为了实现上述目的，本发明采用如下技术方案：

本发明提出的一种分布式智能网联汽车交叉路口复杂场景通行决策方法，其特征在于，该方法包括1)系统平台搭建与参数设定、2)车辆违反交通规则检测判定、3)基于规则方法的交叉路口通行决策判定、4)基于强化学习的交叉路口通行决策判定四部分，具体实现过程如下：

1)系统平台搭建与参数设定，具体包括：

1-1)系统平台搭建：