一种智能网联车在各种路况下行驶的行为决策方法及系统技术方案

本发明专利技术公开了一种智能网联车在各种路况下行驶的行为决策方法，步骤1：确定车辆全局的规划路径；步骤2：根据确定的规划路径，在自动驾驶的状态下实时判断行驶中的路况场景，该路况下对局部路径分析和决策；步骤3：确定路况类型后，对驾驶场景属性划分为四个维度并得到四个维度的属性信息，运用信息熵分别对各个维度的安全性和效率性进行量化；加权分析场景复杂度，判断行驶是否合理有效；步骤4：中央决策系统决策出最优行驶策略；步骤5：根据局部场景分析评估反馈驾驶员是否改变全局规划。本发明专利技术通过采用有限状态机方法对实时的道路环境状况进行场景分类，对全局路径行驶的场景分类有序判别，使自动驾驶的通行效率增加，并且减少行驶负担。驶负担。驶负担。

【技术实现步骤摘要】
一种智能网联车在各种路况下行驶的行为决策方法及系统


[0001]本专利技术涉及车联网技术
，具体涉及一种智能网联车在各种路况下行驶的行为决策方法及系统。

技术介绍

[0002]随着全球汽车保有量的快速增长，能源短缺、环境污染、交通拥堵、事故频发等社会问题日益突出，成为汽车产业可持续发展的限制因素。智能网联车被公认为是这些问题的有效解决方案，代表着汽车产业未来发展方向。
[0003]智能网联车集中运用了汽车工程、人工智能、计算机、微电子、自动控制、通讯技术、大数据、云计算等专业知识，是在一般汽车上增加先进的传感系统、决策系统、执行系统，通过车载环境感知系统和信息终端实现与车、路、人等的信息交互，使车辆具备智能环境感知能力，能够自动分析车辆行驶的安全及危险状态，并使车辆按照人的意愿到达目的地，最终达到替代人来操作的目的。
[0004]在中国专利公开的(申请号为：202110888159.1，申请公布号为：CN 113581206A)一种基于V2V的前车意图识别方法，其特征在于，该识别方法包括以下步骤：S1：通过自车车载GNSS、RTK定位服务、IMU、车辆CAN信号和摄像头进行数据融合，并结合高精度地图服务，获得拥有自车所处车道中准确的位置信息，并达到车道级别的定位需求；S2：通过V2V获取周围车辆信息；S3：判断周围车辆是否为前车，若为前车，进入S4，若不为前车，则不作处理；S4：获取前车驾驶意图。
[0005]参考上述公开的中国专利一种基于V2V的前车意图识别方法，尚有以下不足：主要通过V2V技术感知前方车辆的驾驶意图，弥补自车车载传感器获取信息的不足；但是复杂交通环境下行为决策需要针对环境信息、道路信息、交通参与者信息和本车信息单独分析在合并分析规划最合理行驶决策，无人车驾驶环境信息的变化，导致行为决策结果无法保证绝对合理和安全性，难以应用在各个交通环境下切换。

技术实现思路

[0006]本专利技术针对上述的不足之处提供一种操作简单、安全性高的智能网联车在各种路况下行驶的行为决策方法及系统。
[0007]本专利技术是这样实现的：一种智能网联车在各种路况下行驶的行为决策方法，其特征在于：所述该方法包括：
[0008]步骤1：确定车辆全局的规划路径；
[0009]步骤2：根据确定的规划路径，在自动驾驶的状态下实时判断行驶中的路况场景，并建立规则库与之对应，并在该路况下对局部路径分析和决策；
[0010]步骤3：确定路况类型后，对驾驶场景属性划分为四个维度：环境信息、道路信息、交通参与者信息以及本车信息；根据得到的四个维度属性信息，运用信息熵分别对各个维度的安全性和效率性进行量化；选取合理的形式和权重加权分析场景复杂度，并判断行驶
是否合理有效；
[0011]步骤4：采用中央决策系统决策出最优行驶策略，若中央决策系统故障，则每个传感器执行自己的决策模块制定行驶策略，在基于Agent理论下采用分布式智能控制方法判断该场景下最优的行驶策略；
[0012]步骤5：根据局部场景分析评估反馈驾驶员是否改变全局规划，若改变，调整该场景后的路径规划，并继续执行步骤2、步骤3、步骤4，判断局部路经规划是否合理；若不改变，针对交通场景分析对车辆纵/横向行为决策，得到最优的车辆驾驶行为通过场景。
[0013]所述场景类型采用乡村环境作为行驶分析；所述乡村环境包括路上驾驶场景和路口驾驶场景。
[0014]一种智能网联车在各种路况下行驶的行为决策方法形成的系统，其特征在于：所述系统包括感知模块、规划模块和执行控制模块；所述感知模块包括环境感知模块；所述规划模块包括决策规划模块，决策规划模块包括行为决策模块，行为决策模块包括全局决策规划模块和局部轨迹规划模块；
[0015]所述环境感知模块，通过车载传感器、高精度地图定位、GPS和V2X技术获取车辆行驶的场景类型、本车信息、交通参与者信息和车辆行驶信息，输入给下一层的决策规划模块；
[0016]所述决策规划模块，根据上层输入的信息，在车辆进入自动驾驶模式后决策出车辆最优的全局路径规划，在行驶到不同的路况下和转换中进行局部的轨迹规划，分析局部规划中行驶是否做出调整，调整的任务信息反馈给决策规划模块，实时的对全局规划做出相应调整，最后得到的车辆行驶路径信息，输入给执行控制模块；
[0017]所述执行控制模块，根据上层决策模块输入的路径信息实时控制智能网联车自动驾驶。
[0018]优选的，步骤1的具体实施过程包括以下步骤：
[0019]步骤1
‑
1：通过车载传感器和V2X技术，获取“人
‑
车
‑
路”的周围行驶环境信息；
[0020]步骤1
‑
2：判断车辆当前是否进入自动驾驶区域，车辆基于GPS实时的定位信息，根据初始位置和驾驶员选择目的地，选择车辆最优的全局规划路径；
[0021]步骤1
‑
3：根据GPS和高精度地图实时检测车辆的当前车道到目标车道的行驶路径，该路径作为当前最优路径；
[0022]步骤1
‑
4：行驶过程中，若局部路径规划有所改变，全局参考路径判断是否需要调整规划，决策出最优行驶路径。
[0023]优选的，步骤2的具体实施过程包括以下步骤：
[0024]步骤2
‑
1：采用有限状态机方法实时判断当前驾驶场景类型；
[0025]步骤2
‑
2：依据感知模块获取环境数据，对场景模型进行实例化，并根据构建的场景规则库匹配输入给推理机实现对驾驶场景的自动划分输出；
[0026]步骤2
‑
3：识别场景信息后，通过车载传感器、GPS、数据地图和V2X技术获取该场景下的环境信息、道路信息、交通参与者信息以及本车信息，将场景要素作为分析参考对象。
[0027]优选的，所述步骤3的具体实施过程包括以下步骤：
[0028]步骤3
‑
1：通过感知模块得到驾驶场景的维度信息，结合信息熵的方法分别计算环境信息、道路信息、交通参与者信息以及本车信息这四个维度的信息熵；
[0029]步骤3
‑
2：根据分别计算得到的信息熵，各自权重进行加权融合，得到场景下的最终信息熵；对场景下的行驶进行分析，判断该自动驾驶局部场景的复杂度。
[0030]优选的，所述步骤4的具体实施过程包括以下步骤：
[0031]步骤4
‑
1：利用多传感器融合技术将获取的四个维度信息处理后输入给中央决策系统，中央决策系统决策出最优的行驶策略输出给执行模块；
[0032]步骤4
‑
2：若中央决策系统无法正常工作，则通过各个传感器对获取的环境信息处理，决策出不同的行驶策略，基于Agent理论下采用分布式智能控制方法判断选出该场景下最适合的传感器决策策略；
[0033]步骤4
‑
3：对行驶行为进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能网联车在各种路况下行驶的行为决策方法，其特征在于：所述该方法包括：步骤1：确定车辆全局的规划路径；步骤2：根据确定的规划路径，在自动驾驶的状态下实时判断行驶中的路况场景，并建立规则库与之对应，并在该路况下对局部路径分析和决策；步骤3：确定路况类型后，对驾驶场景属性划分为四个维度：环境信息、道路信息、交通参与者信息以及本车信息；根据得到的四个维度属性信息，运用信息熵分别对各个维度的安全性和效率性进行量化；选取合理的形式和权重加权分析场景复杂度，并判断行驶是否合理有效；步骤4：采用中央决策系统决策出最优行驶策略，若中央决策系统故障，则每个传感器执行自己的决策模块制定行驶策略，在基于Agent理论下采用分布式智能控制方法判断该场景下最优的行驶策略；步骤5：根据局部场景分析评估反馈驾驶员是否改变全局规划，若改变，调整该场景后的路径规划，并继续执行步骤2、步骤3、步骤4，判断局部路经规划是否合理；若不改变，针对交通场景分析对车辆纵/横向行为决策，得到最优的车辆驾驶行为通过场景。2.根据权利要求1所述的一种智能网联车在各种路况下行驶的行为决策方法，其特征在于：所述步骤1的具体实施过程包括以下步骤：步骤1
‑
1：通过车载传感器和V2X技术，获取“人
‑
车
‑
路”的周围行驶环境信息；步骤1
‑
2：判断车辆当前是否进入自动驾驶区域，车辆基于GPS实时的定位信息，根据初始位置和驾驶员选择目的地，选择车辆最优的全局规划路径；步骤1
‑
3：根据GPS和高精度地图实时检测车辆的当前车道到目标车道的行驶路径，该路径作为当前最优路径；步骤1
‑
4：行驶过程中，若局部路径规划有所改变，全局参考路径判断是否需要调整规划，决策出最优行驶路径。3.根据权利要求1所述的一种智能网联车在各种路况下行驶的行为决策方法，其特征在于：所述步骤2的具体实施过程包括以下步骤：步骤2
‑
1：采用有限状态机方法实时判断当前驾驶场景类型；步骤2
‑
2：依据感知模块获取环境数据，对场景模型进行实例化，并根据构建的场景规则库匹配输入给推理机实现对驾驶场景的自动划分输出；步骤2
‑
3：识别场景信息后，通过车载传感器、GPS、数据地图和V2X技术获取该场景下的环境信息、道路信息、交通参与者信息以及本车信息，将场景要素作为分析参考对象。4.根据权利要求1所述的一一种智能网联车在各种路况下行驶的行为决策方法，其特征在于：所述步骤3的具体实施过程包括以下步骤：步骤3
‑
1：通过感知模块得到驾驶场景的维度信息，结合信息熵的方法分别计算环境信息、道路信息、交通参与者信息以及本车信息这四个维度的信息熵；步骤3
‑
2：根据分别计算得到的信息熵，各自权重进行加权融合，得到场景下的最终信息熵；对场景下的行驶进行分析，判断该自动驾驶局部场景的复杂度。5.根据权利要求1所述的一种智能网联车在各种路况下行驶的行为决策方法，其特征在于：所述步骤4的具体实施过程包括以下步骤：步骤4
‑
1：利用多传感器融合技术将获取的四个维度信息处理后输入给中央决策系统，
中央决策系统决策出最优的行驶策略输出给执行模块；步骤4
‑
2：若中央决策系统无法正常工作，则通过各个传感器对获取的环境信息处理，决策出不同的行驶策略，基于Agent理论下采用分布式...

【专利技术属性】
技术研发人员：施卫，王健民，张宇，封功源，杨冰非，让斌斌，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：