【技术实现步骤摘要】
本专利技术属于道路车辆控制领域，涉及道路车辆驾驶控制系统的驾驶参数的判断或计算，具体地，涉及一种驾驶交互场景下驾驶员社会价值取向计算方法。
技术介绍
1、随着新能源汽车产业的蓬勃发展，自动驾驶系统的开发已成为产业界与学术界的研究焦点，目前低阶自动驾驶系统已逐步实现了落地应用。但是现阶段无论是已落地应用的低阶自动驾驶还是作为研究热点的高阶自动驾驶，都逐渐在运行高效性和道路融入性方面凸显出一些不足。具体表现为，当与其他车辆共同存在于道路中，特别是与其他车辆存在不久后占据同一空间的可能性，从而对其各自行为产生影响，即存在驾驶交互时，往往会表现为过度保守驾驶。例如在并道、转向、通过全无交叉口等路权交互自主分配场景时，自动驾驶车辆的过度保守驾驶不仅会在适合通行的时机选择让行，从而降低自身及后方车辆的运行效率，而且还可能使其后方驾驶员难以理解自动驾驶的让行行为，从而导致追尾等交通事故的发生，危害他人安全。以上表现究其原因是在并道、转向、通过全无交叉口等路权交互自主分配场景中，自动驾驶车辆无法完全根据周边交互车辆的运动学特征明确驾驶员意图，在交互车辆处于相同的位置和速度时，利己主义和利他主义等不同社会价值取向特征的驾驶员的行为决策是不同的，因此自动驾驶车辆往往采取过度保守的驾驶策略来最大程度保证与交互车辆的驾驶安全。所以，对于自动驾驶车辆而言，准确识别出交互对象并计算其社会价值取向，可以帮助自动驾驶车辆明确交互车辆的驾驶意图，从而相对应地采取合适的驾驶策略，在保证安全驾驶的基础上提高自动驾驶车辆的运行高效性和道路融入性。
2、在确
3、社会价值取向(svo)最初作为社会心理学中的概念，是指一个人对如何在自己和他人之间分配资源的偏好，体现出一个人相对于自身利益和他人利益的重视程度。在驾驶交互中该概念描述了驾驶员在驾驶决策过程中的偏好。例如，在高速公路合流场景中，合作取向的驾驶员会选择减速或换道让行，而自我取向的驾驶员则会加速并道。由此可见，特定交互场景下的svo可以直接反映驾驶员的交互意图，因此该概念目前在交通领域得到了广泛应用，特别是自动驾驶的决策和控制方面。目前，svo的测量通常是通过心理学模型量表来实现的，但由于量表测量的时间消耗、静态测量以及存在自我报告偏差等特性，使得其无法在交通领域较好地应用。目前交通领域中并没有计算svo的较为成熟完整的方法。cn117709602 a公开了“一种基于社会价值取向的城市智能车辆拟人化决策方法”，基于车辆速度和距冲突点距离的比值计算svo值，该方法仅考虑了车辆间的冲突危险性程度，没有对驾驶员在决策过程中的心理和行为特征进行建模，因此没有捕捉到驾驶员在决策过程中对个人利益和他人利益的考量；cn 114446049 a公开了“基于社会价值取向的交通流预测方法、系统、终端及介质” ，svo计算方法是提前根据场景将预期轨迹按照不同的svo值进行分类，然后将分类得到的预期轨迹与实际轨迹进行对比，从而根据二者轨迹的偏差计算出svo的取值的可能性；该方法同样未能对驾驶员在决策过程中的心理和行为特征进行充分考虑，而且过于依赖场景预设，无法实时适应复杂多变的驾驶环境。
技术实现思路
1、鉴于上述技术问题和缺陷，本专利技术的目的在于提供一种驾驶交互场景下驾驶员社会价值取向计算方法，解决现有svo计算方法没有考虑驾驶员决策过程中的心理和行为特征的问题，该方法可以根据实时观测的当前车辆与最强交互车辆的驾驶行为和环境变化动态调整效用函数中的参数，计算驾驶员的社会价值取向，其不仅能够适应复杂多变的驾驶环境，而且能够准确估计驾驶员的社会价值取向，便于自动驾驶车辆明确交互车辆的驾驶意图，从而相对应地采取合适的驾驶策略。
2、为实现上述目的，本专利技术采用如下技术方案：
3、一种驾驶交互场景下驾驶员社会价值取向计算方法，该方法包括以下步骤：
4、步骤s1.结合交通环境，综合考虑安全、效率和舒适进行驾驶员决策效用函数的构建；其中， s和a分别为效用函数中的环境变量和行为变量；
5、步骤s2.结合svo构建综合效用函数，综合效用函数包括svo值计算综合效用函数、交互对象确定综合效用函数；
6、svo值计算综合效用函数表达为：
7、；
8、其中，是驾驶员 i的svo值，为驾驶员 i的个人效用，为他人效用；
9、交互对象确定综合效用函数表达为：
10、；
11、其中，m为当同场景下车辆的数量；
12、步骤s3.构建交互强度海森矩阵，利用交互对象确定综合效用函数求海森矩阵，确定强交互对象；
13、交互强度海森矩阵为：
14、；
15、其中，为驾驶员 m的行为变量；
16、步骤s4.搭建svo估计框架, 所述svo估计框架为马尔可夫决策过程框架，通过最大化对数似然函数估计svo值计算综合效用函数中的参数；
17、对数似然函数为：
18、；
19、其中， 为在马尔可夫决策过程框架下选择行为 a的概率， u为一阶偏导，h为二阶偏导。
20、作为本专利技术的优选，步骤s1中，驾驶员决策效用函数为：
21、；
22、其中，为道路切线方向的单位向量，为车辆的速度向量，为进度效率性奖励权重，取值范围为；是比例因子，取值范围为，是车辆到第 i条道路边界的距离；决定车道线成本的最大幅度，取值范围为，决定成本上升与下降的速度，取值范围为，是车辆到第 i条车道线的距离；为心理压力修正系数，和是比例因子，取值范围为，是主体车辆到周边第 i辆车的距离，是第 i辆车的质量，是第 i辆车的速度，是主体车辆与周边第 i辆车的连线与道路形成的角度，是周边第 i辆车的航向角；为加速度成本权重，取值范围为，和分别为主体车辆横、纵向加速度；为转向成本权重，取值范围为，为主体车辆转向角速度；为场景性中长期成本权重，取值范围为，ttm为强制合流时间。 本文档来自技高网...
【技术保护点】
1.一种驾驶交互场景下驾驶员社会价值取向计算方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种驾驶交互场景下驾驶员社会价值取向计算方法，其特征在于，步骤S1中，驾驶员决策效用函数为：
3.根据权利要求1所述的一种驾驶交互场景下驾驶员社会价值取向计算方法，其特征在于，步骤S4中，采用梯度上升法调整SVO角度，使得对数似然函数 L()最大化,找到最符合观察数据的值。
4.根据权利要求2所述的一种驾驶交互场景下驾驶员社会价值取向计算方法，其特征在于，步骤S1中，强制合流时间TTM和心理压力修正系数的计算公式为：
5.根据权利要求3所述的一种驾驶交互场景下驾驶员社会价值取向计算方法，其特征在于，步骤S4采用梯度上升求解SVO参数的具体步骤如下：
6.根据权利要求5所述的一种驾驶交互场景下驾驶员社会价值取向计算方法，其特征在于，步骤S4输出最优参数后，根据值的大小将驾驶员的社会价值取向分为四类，若，则判断驾驶员为利己主义倾向；若，则判断驾驶员为合作主义取向；若，则判断驾驶员为利他主义取向；若为负值，则判断驾驶员为
...【技术特征摘要】
1.一种驾驶交互场景下驾驶员社会价值取向计算方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种驾驶交互场景下驾驶员社会价值取向计算方法，其特征在于，步骤s1中，驾驶员决策效用函数为：
3.根据权利要求1所述的一种驾驶交互场景下驾驶员社会价值取向计算方法，其特征在于，步骤s4中，采用梯度上升法调整svo角度，使得对数似然函数 l()最大化,找到最符合观察数据的值。
4.根据权利要求2所述的一种驾驶交互场景下驾驶员社会价值取向计算方法，其特征在于，步...
【专利技术属性】
技术研发人员：丁同强，张克鑫，高帅，孙健，郝宇博，费敏学，张星，靳秉毅，李志强，田建，胡馨月，席建锋，郑黎黎，龙思与，袁蕾，曹诗雨，冯婷，李敏，张焱林，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。