申请/专利权人：天津大学

申请日：2022-05-30

公开（公告）日：2024-04-09

公开（公告）号：CN115056798B

主分类号：B60W60/00

分类号：B60W60/00;B60W30/18;B60W40/105;B60W40/107

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.10.04#实质审查的生效;2022.09.16#公开

摘要：本发明公开了一种基于贝叶斯博弈的自动驾驶车辆换道行为车路协同决策算法，一方面通过智能网联道路感知和大数据分析归纳不同时段和交通流态下的旁车驾驶风格统计特征，作为对旁车驾驶风格的先验估计；另一方面，不断观测两车换道过程中的动态交互行为，并对旁车的驾驶风格做后验校正，提高估计精度。在本车产生换道意愿时，通过对驾驶风格及不同风格下旁车让行与否的概率的迭代估计，采用贝叶斯博弈的思路，求解车辆在未来行驶片段内综合考虑风格与驾驶意图概率的价值回报，并给出换道概率。在换道概率超过阈值后，发出换道启动指令。

主权项：1.一种基于贝叶斯博弈的自动驾驶车辆换道行为车辆协同决策算法，其特征在于，包括以下步骤：步骤1，建立旁车的车辆驾驶风格的先验概率分布：通过智能网联路端传感器获取车辆行驶数据，记录并统计在不同时段、路段下的车辆驾驶风格先验概率分布，定义旁车的车辆驾驶风格包括激进型Aaggressive与非激进型NAnoneaggressive两种；步骤2，换道意愿计算模块输出换道意愿：通过车载传感器采集本车车辆SV及其周围车辆信息，定义并计算原始车道行驶预判车距和换道预判车距，通过引入期望距离及方差构建累计分布函数计算换道必要性和换道安全性，并建立基于模糊逻辑的换道意愿输出模型，当换道意愿达到设定阈值后执行以下步骤3至步骤7；步骤3，利用贝叶斯滤波推断目标车道后车RV的驾驶风格后验概率：当本车车辆SVspecifiedvehicle产生换道意愿后，通过车载传感器采集目标车道后车RVrearvehicle的加速度信息来获得目标车道后车RV驾驶风格的似然函数，通过所述的似然函数及步骤1得到的所述先验概率分布得到目标车道后车RV的车辆驾驶风格后验概率及目标车道后车RV的驾驶员激进性因子β该因子的取值范围是[0,1]；步骤4，通过长短记忆神经网络LSTMLongShort-TermMemory及车辆运动学模型预测本车车辆SV及目标车道后车RV未来推演时域的行驶轨迹、速度及加速度；步骤5，建立博弈收益矩阵并求解得到换道执行概率：建立非合作博弈的收益矩阵，该收益矩阵分别包括本车车辆SV与激进型及非激进型的目标车道后车RV所构成的收益矩阵，收益函数的设计包括安全预测收益、时间预测收益、舒适性预测收益及合作预测收益，再通过求解收益矩阵得到换道执行概率；步骤6，对车辆状态进行更新：换道执行概率没有达到执行阈值时，本车车辆SV不执行换道，仅更新本车车辆SV的纵向轨迹；换道执行概率达到概率阈值时，同时更新本车车辆SV的换道轨迹和纵向轨迹；步骤7，循环执行动态博弈决策：循环执行步骤3至步骤6，直到换道策略执行完成或者换道意愿消失；所述步骤5中，本车车辆SV与激进型的目标车道后车RV的收益矩阵为：U11,Q11、U12,Q12、U21,Q21和U22,Q22，其中：U11、U12、U21、U22分别表示本车车辆与激进型目标车道后车在[换道，减速]、[换道，加速]、[不换道，减速]及[不换道，加速]四种策略组合下本车车辆的收益；Q11、Q12、Q21、Q22分别表示本车车辆与激进型目标车道后车在[换道，减速]、[换道，加速]、[不换道，减速]及[不换道，加速]四种策略组合下目标车道后车的收益；本车车辆SV与非激进型的目标车道后车RV的收益矩阵为：U33，Q33、U34，Q34、U43，Q43和U44，Q44，其中：U33、U34、U43、U44分别表示本车车辆与非激进型目标车道后车在[换道，减速]、[换道，加速]、[不换道，减速]及[不换道，加速]四种策略组合下本车车辆的收益；Q33、Q34、Q43、Q44分别表示本车车辆与非激进型目标车道后车在[换道，减速]、[换道，加速]、[不换道，减速]及[不换道，加速]四种策略组合下目标车道后车的收益；本车车辆SV的收益U及目标车道后车RV的收益Q计算了未来时刻的收益，共包括四部分：1安全预测收益：Termsf＝-{ω11[Act′+vSVt′*vRVt′*IAc+ω12[Ast′+vSVt′*vRVt′]*IAs}式中vSVt′和vRVt′是预测时刻t′下本车车辆SV及目标车道后车RV的车速，Act′为预测时刻t′车辆碰撞判定区域的重叠面积，Ast′为预测时刻t′车辆安全预留区域的重叠面积，ω11和ω12为碰撞权重和安全预留权重，IAc和IAs为0-1函数，当相应的安全区域出现重叠取为1，不重叠时取为0；2时间预测收益：Termtime＝vt′vt′表示博弈中目标车道后车预测时刻的速度；3舒适性预测收益：使用车辆行驶过程中预测时刻加速度的导数加加速度Jerk作为舒适性预测收益：Termcf＝-|Jerkt′|Jerkt′表示预测时刻加速度的导数加加速度；4合作预测收益：使用博弈中目标车道后车RV的预测时刻的加速度ajt′作为合作预测收益的量化指标：Termgt＝-|ajt′|本车车辆SV及目标车道后车RV通过组合和加权来构成对象车辆总的收益： 其中ω＝[ω1,ω2,ω3,ω4]和σ＝[σ1,σ2,σ3,σ4]为加权系数，采用激进性因子βt构建本车车辆收益U的加权系数： 其中k＝[k1,k2,k3,k4]表示对各项预测收益的增益系数。

全文数据：

权利要求：

百度查询： 天津大学 一种基于贝叶斯博弈的自动驾驶车辆换道行为车路协同决策算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD