【技术实现步骤摘要】
本专利技术涉及自动驾驶信息处理，具体涉及一种用于不确定性场景的自动驾驶决策方法及系统。
技术介绍
1、自动驾驶车辆是指通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目的地的一种智能车辆。自适应巡航是一种自动驾驶车辆基础功能之一，可让车辆在无需司机干预的情况下自动调整车速以适应交通状况。随着自适应巡航驾驶系统的发展，车主对自适应巡航驾驶系统的使用越来越频繁。在乘用车常规的交互决策方法中，通常先针对周围车辆进行预测，并基于此做出自车的决策。乘用车场景中，通常可以等他车已经做出横向移动的情况下，输出他车变道意图，此时他车意图已十分明确，不确定性较小，自车视情况减速。而在他车准备变道阶段，例如加速超越自车，他车意图不确定性较大，自车通常不作反应。而且由于卡车具有重量大、惯性大、响应慢等特点，这些特点进一步增大了卡车处理交互场景不确定性的难度。如果直接将乘用车的决策方案应用于卡车自动驾驶场景，往往不能保持足够的安全距离，造成安全风险。
技术实现思路
1、针对上述问题，本专利技术的第一个目的是提供一种用于不确定性场景的自动驾驶决策方法，能够对场景交互的不确定性进行精确量化，并基于此给出决策指令。能够精确并充分地考虑潜在风险，使自动驾驶卡车更安全。同时，不确定性的精确量化和基于概率的决策方法，即使在小概率情况下也不会过度反应，在保证安全的情况下，提升了卡车行驶效率，也更符合人类司机的习惯和风险预期。
2、本专利技术的第二个目的是提供一种用于不确定性场景的自动驾驶决策
3、为实现第一个目的，本专利技术的第一个技术方案是：一种用于不确定性场景的自动驾驶决策方法，包括：
4、步骤s01：构建分类预测模型，用于接收数据集，对他车意图和轨迹模态进行分类预测，并输出分类预测结果；
5、所述数据集通过路测采集，包括他车意图和轨迹；
6、步骤s02：构建概率标定模型，用于将所述分类预测模型输出的分类预测结果与他车变道概率进行映射并标定，输出他车变道概率先验信息；
7、步骤s03：构建推理预测模型，根据所述他车变道概率先验信息和他车实时行为信息进行他车意图预测，得到他车实时意图概率；
8、步骤s04：构建概率跟踪与修正模型，用于对所述他车实时意图概率进行修正；
9、步骤s05：构建决策输出模型，用于根据修正后的所述他车实时意图概率进行自车行为决策。
10、优选的，步骤s03还包括：构建多信息源提取模型，用于获取他车的位置、轨迹、类别作为他车实时行为信息，并将所述他车实时行为信息输出至所述推理预测模型中，
11、优选的，步骤s04还包括：筛选他车异常行为信息，并将所述他车异常行为信息输出至所述概率跟踪与修正模型。
12、优选的，所述他车异常行为信息包括：他车压线、不规则变速、不规则变道、他车与自车车距异常变化。
13、优选的，所述概率跟踪与修正模型利用粒子滤波方法对所述他车实时意图概率进行修正。
14、优选的，所述粒子滤波方法包括：将他车实时意图概率进行粒子集表示，对其中的粒子初始化相同权重；对所述粒子集中的粒子进行粒子滤波更新获得更新后粒子，并与所述他车异常行为信息进行比较；以及对他车实时意图概率进行修正。
15、优选的，所述更新后粒子与所述他车异常行为信息进行比较包括：
16、若比较结果为相似度高，则提高该粒子的权重；
17、若比较结果为相似度低，则降低该粒子的权重。
18、优选的，所述分类预测模型和概率标定模型为离线模型；
19、所述推理预测模型、概率跟踪与修正模型、决策输出模型为在线模型。
20、为实现第二个目的，本专利技术的第二个技术方案是：一种用于不确定性场景的自动驾驶决策系统，包括：
21、离线模块：用于接收数据集，对他车意图和轨迹模态进行分类预测，并输出分类预测结果；所述数据集通过路测采集，包括他车意图和轨迹；将所述分类预测结果与他车变道概率进行映射并标定，输出他车变道概率先验信息；
22、在线模块：根据所述他车变道概率先验信息和他车实时行为信息进行他车意图预测，得到他车实时意图概率；对所述他车实时意图概率进行修正；根据修正后的所述他车实时意图概率进行自车行为决策。
23、优选的，所述在线模块还用于获取他车的位置、轨迹、类别作为他车实时行为信息和筛选他车异常行为信息。
24、上述技术方案的有益效果：
25、本专利技术提供的用于不确定性场景的自动驾驶决策方法及系统，应用于具备自动驾驶功能重型/轻型的箱式/挂式卡车。可以处理复杂的动态交通场景，能够对场景交互的不确定性进行精确量化，并基于此给出决策指令。避免了由于卡车重量大、惯性大、响应慢等特点带来的处理交互场景不确定性的难度。解决了如果直接将乘用车的决策方案应用于卡车自动驾驶场景，往往不能保持足够的安全距离造成安全风险的问题。本专利技术提供的方法能够精确并充分地考虑潜在风险，使自动驾驶卡车更安全。同时，不确定性的精确量化和基于概率的决策方法，即使在小概率情况下也不会过度反应，在保证安全的情况下，提升了卡车行驶效率，也更符合人类司机的习惯和风险预期。能够使自动驾驶卡车更安全、更高效、更符合人类司机的习惯。
本文档来自技高网...【技术保护点】
1.一种用于不确定性场景的自动驾驶决策方法，其特征在于，包括：
2.根据权利要求1所述的用于不确定性场景的自动驾驶决策方法，其特征在于，步骤S03还包括：构建多信息源提取模型，用于获取他车的位置、轨迹、类别作为他车实时行为信息，并将所述他车实时行为信息输出至所述推理预测模型中。
3.根据权利要求1所述的用于不确定性场景的自动驾驶决策方法，其特征在于，步骤S04还包括：筛选他车异常行为信息，并将所述他车异常行为信息输出至所述概率跟踪与修正模型。
4.根据权利要求3所述的用于不确定性场景的自动驾驶决策方法，其特征在于，所述他车异常行为信息包括：他车压线、不规则变速、不规则变道、他车与自车车距异常变化。
5.根据权利要求4所述的用于不确定性场景的自动驾驶决策方法，其特征在于，所述概率跟踪与修正模型利用粒子滤波方法对所述他车实时意图概率进行修正。
6.根据权利要求5所述的用于不确定性场景的自动驾驶决策方法，其特征在于，所述粒子滤波方法包括：将他车实时意图概率进行粒子集表示，对其中的粒子初始化相同权重；对所述粒子集中的粒子进行粒子
7.根据权利要求6所述的用于不确定性场景的自动驾驶决策方法，其特征在于，所述更新后粒子与所述他车异常行为信息进行比较包括：
8.根据权利要求1所述的用于不确定性场景的自动驾驶决策方法，其特征在于，所述分类预测模型和概率标定模型为离线模型；
9.一种用于不确定性场景的自动驾驶决策系统，其特征在于，包括：
10.根据权利要求9所述的用于不确定性场景的自动驾驶决策系统，其特征在于，所述在线模块还用于获取他车的位置、轨迹、类别作为他车实时行为信息和筛选他车异常行为信息。
...【技术特征摘要】
1.一种用于不确定性场景的自动驾驶决策方法，其特征在于，包括：
2.根据权利要求1所述的用于不确定性场景的自动驾驶决策方法，其特征在于，步骤s03还包括：构建多信息源提取模型，用于获取他车的位置、轨迹、类别作为他车实时行为信息，并将所述他车实时行为信息输出至所述推理预测模型中。
3.根据权利要求1所述的用于不确定性场景的自动驾驶决策方法，其特征在于，步骤s04还包括：筛选他车异常行为信息，并将所述他车异常行为信息输出至所述概率跟踪与修正模型。
4.根据权利要求3所述的用于不确定性场景的自动驾驶决策方法，其特征在于，所述他车异常行为信息包括：他车压线、不规则变速、不规则变道、他车与自车车距异常变化。
5.根据权利要求4所述的用于不确定性场景的自动驾驶决策方法，其特征在于，所述概率跟踪与修正模型利用粒子滤波方法对所述他车实时意图概率进行修正。
【专利技术属性】
技术研发人员：倪昆，杨帆，郭瑞，
申请(专利权)人：苏州智加科技有限公司，
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。