[发明专利]一种面向车路协同的智能驾驶行为决策规划方法及系统

说明书

本发明提供了一种面向车路协同的智能驾驶行为决策规划方法及系统，首先在行驶过程中实时感知获取车辆自身包括位置、速度信息，以及所在交通场景中道路及道路上物体信息；随后建立驾驶人决策模型并利用车辆行驶中获取的相关信息对所述模型进行训练，使训练好的驾驶人决策模型能够将驾驶行为划分为保守型、一般型以及激进型三类；以行车安全场作为约束，并结合当前驾乘人员所选定的驾驶行为类型，对车辆进行行驶路径及速度的决策规划；最终基于所作出的行驶路径及速度的决策规划，对整车进行下层控制，使车辆按照决策规划执行相应行驶动作。

技术领域

本发明属于车辆智能网联和自动驾驶相关技术领域，特别是涉及一种面向车路协同的智能车辆决策规划方法及系统。

背景技术

在当前的自动驾驶发展路径中，相对于强调“单体智能”的自主式自动驾驶方式来说，侧重于“信息共享”的网联式自动驾驶智能车辆被认为实现无人驾驶的最优途径。但作为网联式信息自动驾驶基础的配套设施建设尚不完善，包括感知，决策，规划，控制等方面的各基本功能实现仍受到一些限制，使得面向车路协同环境的智能车辆存在着决策规划模式单一的问题，影响驾乘体验。

决策规划作为自动驾驶技术的核心组成部分，对行车安全有着至关重要的作用。现有的决策规划系统大多是根据车辆传感器感知到的周围道路交通信息，如车速和道路边界线等，结合自身的车辆运行参数，如车轮转角和方向盘转角等，实时决策出驾驶行为，如换道或跟随等，然后利用规划算法，如搜索，插值等，选取一条最优路径。这种决策方式存在两个方面的问题：第一，针对于决策而言，有且只有一种决策策略，即未对驾乘人所处的行车状态进行考虑，这会使得不同驾乘人在面对单一决策时，驾乘体验会受到严重影响。第二，针对规划而言，只是在静止状态或相对静止状态下进行路径规划，未考虑复杂动态交通场景中，随时可能出现轨迹变化，在路径规划的基础上需要有新的约束保证行车安全。因此，如何在决策规划中嵌入驾驶人的特性与新的行车安全约束，以保证在车路协同环境下的舒适安全行驶，以及如何关联各功能模块形成稳定的闭环系统，保证拟人化的个性驾驶，是目前本领域中一个急需解决的关键技术问题。

发明内容

针对上述分析现有技术的不足，本发明提供了一种面向车路协同的智能驾驶行为决策规划方法，所述方法具体包括以下步骤：

步骤一、在行驶过程中实时感知获取车辆自身包括位置、速度等的行驶信息，以及所在交通场景中道路及道路上物体信息；

步骤二、建立驾驶人决策模型并利用车辆行驶中获取的相关信息对所述模型进行训练，使训练好的驾驶人决策模型能够将驾驶行为划分为保守型、一般型以及激进型三类；

步骤三、以行车安全场作为约束，并结合当前驾乘人员所选定的驾驶行为类型，对车辆进行行驶路径及速度的决策规划；

步骤四、基于所作出的行驶路径及速度的决策规划，对整车进行下层控制，使车辆按照决策规划执行相应行驶动作。

进一步地，步骤二中建立驾驶人决策模型具体基于k-means的聚类算法，其公式为：

其中，是随机选择的各簇C_i的均值向量，E表示均值；

利用驾乘人员的评价对所述驾驶人决策模型进行评价，以对该模型进行持续训练和更新。

进一步地，步骤三中作为约束条件的行车安全场具体包括由道路上运动物体形成的动能场，静止物体形成的势能场和驾驶行为所决定的行为场，其理论模型为：

E_S＝E_V+E_R+E_D

上式中，E_S代表行车安全场的场强，E_V代表所述动能场的场强，E_R代表所述势能场的场强，E_D代表所述行为场的场强；