一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法技术

一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法，建立了群体智能的自动驾驶车辆的决策框架，充分利用群体智能的自组织、分工和群内个体的信息交互功能，将自动驾驶车辆的速度、加速度和规划的路径实时性状态进行信息共享，实现群体智能的自动驾驶车辆的行驶决策功能；同时，将多车的速度、加速度、路径信息和对道路前方的感知图像和视频信息发送到边缘计算服务器中，边缘计算服务器根据群体车辆的状态信息和云计算中心传输的实时性道路信息，对多车的行驶行为进行决策，并且根据所感知的道路图像信息，实现对多车的未来行驶决策进行预测认知和单车的未来行驶决策的个性化决策功能。

A decision prediction method for autonomous vehicles based on edge calculation and swarm intelligence algorithm

【技术实现步骤摘要】
一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法
本专利技术涉及自动驾驶领域，具体是一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法。
技术介绍
随着人工智能技术的发展，自动驾驶车辆的智能性水平有了显著提升，已经在某些园区投入使用，但由于自动驾驶车辆对于复杂的道路环境的智能性水平差距较远，所以，自动驾驶车辆的大规模应用还尚需一段时间，尤其面对交叉十字路口、没有红绿灯的道路环境，自动驾驶车辆很难对其行驶行为做出合理的决策，特别在群体智能的自动驾驶车辆行驶时，其行驶行为的决策更是需要解决的关键问题之一。现今的自动驾驶车辆决策方法主要是基于规则类方法，基于规则的决策方法面对复杂的道路交通环境时，需要将所有的道路交通参与者的行驶状态都考虑进去，不仅增加了计算量，而且实时性较差，也无法制定所有的行驶规则来确保车辆的行驶安全性；而对于多车的行驶决策研究较少，普遍采用车间通信的方法来辅助决策行为，但车间通信的方法受到网络信号的影响，在自动驾驶车辆高速行驶和复杂的道路交通环境时候，车间信息的交互存在时间延迟，并且大量交通数据会影响通道和服务器失效，不能做到准确的信息交互，从而影响自动驾驶的行驶决策行为。因此，面对复杂多变的道路交通环境和自动驾驶车辆要求较高的智能性行驶水平，现有的决策方法影响了自动驾驶车辆的智能性行驶水平。
技术实现思路
针对上述问题，本专利技术的目的是提供一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法，充分利用群体智能和边缘计算服务器二者各自的优势，能够使群体智能的自动驾驶车辆在动态复杂的道路环境下实时做出合理的行驶决策，并能针对道路前方的行驶环境提前做出行驶行为的决策预测作用，提升了自动驾驶车辆的智能性行驶水平。为实现上述目的，本专利技术提供一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法，所述方法的步骤如下：S1、在高速公路行驶环境下，确定群体智能的自动驾驶车辆的行驶行为决策和个体车辆的行驶行为决策：①首先根据群体智能的自组织和通信功能，判断个体车辆在道路环境的位置以及与周围道路使用者之间的状态比例，例如侧向距离、纵向距离，个体的车速、加速度；将获取的群体智能的数据信息发送到边缘计算服务器和云计算中心；②自动驾驶车辆通常的行驶行为分为超车、换道、自适应巡航和自由行驶四种模式，分别将每种行驶模式的群体车辆的行驶状态，侧向距离、纵向距离、车速、加速度和行驶路径信息发送到边缘计算服务器中，边缘计算服务器再将数据信息卸载到云计算中心；③分别设置每种行驶状态的评价指标，以方便自动驾驶车辆做出具体的行驶决策来，通常对于超车、换道、自适应巡航三种行驶模式来说，常用的评价指标是安全性、舒适性、经济性和效率性；尤其在安全性指标中，采用TTC来设置碰撞时间：其中，yi、yj是前后两车的位置，vi、vj是前后两车的速度；④采用有限状态机实现群体智能中所有个体的行驶决策行为；当群体车辆对道路前方的交通环境感知较为简单时，群体车辆中的个体车辆可以任意决策其行驶方式；当前方道路环境较为复杂时候，通过将群体车辆的数据发送到边缘计算服务器中，边缘计算服务器根据计算的道路前方数据结果，将信息发送给群体智能的自动驾驶车辆中，群体智能车辆对前方道路环境做出同样一种行驶决策，以保证行车的安全性；S2、在高速公路行驶环境下，确定群体智能的自动驾驶车辆内部的个体失效车辆的行驶行为决策：当群体智能中任意的个体车辆出现传感器失效的情况，而无法对周围环境和前方道路环境的实时感知，为确保其行驶安全性，将群体车辆中所有的行驶数据和道路周围环境数据发送到边缘计算服务器中，同时云计算中心也把实时性道路环境地图信息发送到边缘计算服务器，并在边缘计算服务器中根据周围车辆的行驶状态和传感器失效的车辆先验感知的环境信息进行行驶决策的数据计算，并将计算后的决策数据信息发送给车辆，车辆根据接收到的决策数据信息实行减速、换道以及退出群体智能车辆的行驶中；进一步，失效车辆的行驶状态如车速、加速度、侧向距离和纵向距离四种行驶状态的数据信息，实时性地发送到周围车辆和边缘计算服务器中；失效的车辆退出群体智能车辆后，重新构建其余自动驾驶车辆形成群体智能体系，再通过与边缘计算服务器的数据交互中，重新做出行驶行为的决策信息；S3、在高速公路环境下，为确保群体智能的自动驾驶车辆安全高速的行驶，需要根据宏观道路环境的数据信息和群体车辆的数据信息，对群体智能车辆的未来时刻的行驶行为进行决策预测；①首先通过云计算中心将宏观的高速公路实时交通地图信息发送到边缘计算服务器中，并且将群体车辆的高精地图信息也发送到边缘计算服务器中，在进行误差精确度对比后，将未来一段时间群体车辆可能行驶的车道线信息、交通标志信息和周围车辆信息保存在边缘计算服务器中，同时发送到群体车辆和云计算中心；②在边缘计算服务器中，接收群体智能车辆的所有行驶状态，例如车速、加速度、实时图像信息及其路径规划信息的时候，并结合S7步骤中的实时道路交通信息，对其未来一段时间的行驶状态采用大数据分析进行预测，并将预测之后的行驶状态同时发送到群体车辆和云计算中心；③在边缘计算服务器中，根据预测的群体车辆的行驶状态和S7步骤中的实时道路信息，对群体车辆在未来一段时间内的行驶决策进行预测，并且将预测的群体车辆的行驶决策信息发送到群体车辆中；④群体车辆根据获取的未来一段时间内的决策预测结果，通过实时性的环境感知后获取的行为决策信息，进行实时性误差对比，并采用最终的决策预测有计划行驶；S4、在城市附带交通的道路环境和其余较为复杂的道路环境例如恶劣天气下的道路环境、跨海大桥的道路环境、临近景区的道路环境以及有红绿灯控制的交叉路口和无红绿灯控制的交叉路口的道路环境，这几种较为复杂的道路环境行驶时，确定群体智能的自动驾驶车辆的行驶行为决策和个体车辆的行驶行为决策；①首先根据群体智能的分工、自组织和通信功能，判断个体车辆在道路环境的位置以及周围车辆的位置信息，并且将个体车辆与周围车辆的侧向距离、纵向距离以及自身的状态如车速、加速度，发送到边缘计算服务器中；②自动驾驶车辆可以根据具体的道路环境进行群体车辆的自组织功能，完成多车写作环境感知和决策；通常在复杂的行驶环境下，自动驾驶车辆很难会执行超车行驶的决策，因此，通常会有换道、车道保持和自适应巡航三种行驶模式，分别将每种行驶模式的群体车辆的行驶状态，侧向距离、纵向距离、车速、加速度和行驶路径信息发送到边缘计算服务器中，边缘计算服务器再将数据信息卸载到云计算中心；S5、、在所述的复杂道路交通环境中，确定群体智能的自动驾驶车辆内部的个体失效车辆的行驶行为决策；也同时把所有道路使用者如行人、自行车、摩托车及其他动态障碍物和静态障碍物的状态信息和群体智能车辆所感知的其它道路使用者的图像信息发送到边缘计算服务器中，边缘计算服务器再把相应的数据信息发送到云计算中心；在所述的复杂道路交通环境中，分别设置每种行驶状态的评价指标是车辆的安全性、舒适性和经济本文档来自技高网...

【技术保护点】
1.一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法，其特征是，包括：/n（1）在高速公路行驶环境下，确定群体智能的自动驾驶车辆的行驶行为决策和个体车辆的行驶行为决策；/n（2）在高速公路行驶环境下，确定群体智能的自动驾驶车辆内部的个体失效车辆的行驶行为决策；/n（3）在高速公路行驶环境下，确定群体智能的自动驾驶车辆的未来时刻的行驶行为决策预测功能；/n（4）在较为复杂道路环境行驶，确定群体智能的自动驾驶车辆的行驶行为决策和个体车辆的行驶行为决策；/n（5）在（4）中所述的复杂道路环境，确定群体智能的自动驾驶车辆内部的个体失效车辆的行驶行为决策；/n（6）在（4）中所述的复杂道路环境，确定群体智能的自动驾驶车辆的未来时刻的行驶行为决策预测功能。/n

【技术特征摘要】
1.一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法，其特征是，包括：
（1）在高速公路行驶环境下，确定群体智能的自动驾驶车辆的行驶行为决策和个体车辆的行驶行为决策；
（2）在高速公路行驶环境下，确定群体智能的自动驾驶车辆内部的个体失效车辆的行驶行为决策；
（3）在高速公路行驶环境下，确定群体智能的自动驾驶车辆的未来时刻的行驶行为决策预测功能；
（4）在较为复杂道路环境行驶，确定群体智能的自动驾驶车辆的行驶行为决策和个体车辆的行驶行为决策；
（5）在（4）中所述的复杂道路环境，确定群体智能的自动驾驶车辆内部的个体失效车辆的行驶行为决策；
（6）在（4）中所述的复杂道路环境，确定群体智能的自动驾驶车辆的未来时刻的行驶行为决策预测功能。


2.如权利要求1所述的一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法，其特征在于：步骤（1）的具体过程为：
①在高速公路行驶环境下，首先根据群体智能的自组织和通信功能，判断个体车辆在道路环境的位置以及与周围道路使用者之间的状态，将获取的群体智能的数据信息发送到边缘计算服务器和云计算中心；
②自动驾驶车辆通常的行驶行为分为超车、换道、自适应巡航和自由行驶四种模式，分别将每种行驶模式的群体车辆的行驶状态，侧向距离、纵向距离、车速、加速度和行驶路径信息发送到边缘计算服务器中，边缘计算服务器再将数据信息卸载到云计算中心；
③采用有限状态机实现群体智能中所有个体的行驶决策行为；当群体车辆对道路前方的交通环境感知较为简单时，群体车辆中的个体车辆可以任意决策其行驶方式；当前方道路环境较为复杂时候，通过将群体车辆的数据发送到边缘计算服务器中，边缘计算服务器根据计算的道路前方数据结果，将信息发送给群体智能的自动驾驶车辆中，群体智能车辆对前方道路环境做出同样一种行驶决策，以保证行车的安全性。


3.如权利要求2所述的一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法，其特征在于：步骤（2）的具体过程为：
在高速公路环境下，当群体智能中任意的个体车辆出现传感器失效的情况，而无法对周围环境和前方道路环境的实时感知，将群体车辆中所有的行驶数据和道路周围环境数据发送到边缘计算服务器中，同时云计算中心也把实时性道路环境地图信息发送到边缘计算服务器，并在边缘计算服务器中根据周围车辆的行驶状态和传感器失效的车辆先验感知的环境信息进行行驶决策的数据计算，并将计算后的决策数据信息发送给车辆，车辆根据接收到的决策数据信息实行减速、换道以及退出群体智能车辆的行驶中。


4.如权利要求3所述的一种基于边缘计算和群智算法的自动驾驶车辆的决策预测方法，其特征在于：步骤（3）的具体过程为：
①根据宏观道路环境的数据信息和群体车辆的数据信息，对群体智能车辆的未来时刻的行驶行为进行决策预测；首先通过云计算中心将宏观的高速公路实时交通地图信息发送到边缘计算服务器中，并且将群体车辆的高精地图信息也发送到边缘计算服务器中，在进行误差精确度对比后，将未来一段时间群体车辆可能行驶的车道线信息、交通标志信息和周围车辆信息保存在边缘计算服务器中，同时发送到群体车辆和云计算...

【专利技术属性】
技术研发人员：唐晓峰，
申请(专利权)人：扬州大学，
类型：发明
国别省市：江苏;32