CN110298122A 基于冲突消解的无人驾驶车辆城市交叉口左转决策方法 （北京理工大学）

号基于冲突消解的无人驾驶车辆城市交叉口本发明公开了一种基于冲突消解的无人驾的决策流程并提出考虑多因素的无人驾驶车辆2假设直行车辆在行驶过程中，其横向位置基本不发生改变；通过冲突区域的时间可以根据算法输出的期望将无人驾驶车辆的左转通行过程离散为不同将无人驾驶车辆的动作空间离散化，设置多个待选动作2.根据权利要求1所述的基于冲突消解的无人驾驶车辆城市交叉口左转决策方法，其高斯过程回归模型的计算过程，就是利用样本数3*模型的预测均值和预测可信度o:;3.根据权利要求1所述的基于冲突消解的无人驾驶车辆城市交叉口左转决策方法，其通过对直行车辆轨迹的预测，计算出其到达和离开冲考虑到轨迹预测时长与模型预测误差之间的关系，补偿系数c根据高斯过程回归模型44.根据权利要求1所述的基于冲突消解的无人驾驶车辆城市交叉口左转决策方法，其假设无人驾驶车辆对有人驾驶车辆的驾驶行为不产生影响5.根据权利要求1所述的基于冲突消解的无人驾驶车辆城市交叉口左转决策方法，其如式(15)5设置TTC＞2s，且基于TTC的安全约束只用在左6.根据权利要求1所述的基于冲突消解的无人驾驶车辆城市交叉口左转决策方法，其7.根据权利要求1所述的基于冲突消解的无人驾驶车辆城市交叉口左转决策方法，其6其中vstra表示左转车驶入路口时，直行车的速度，d1表示当前直行车到冲突区域的距7与者之间会不可避免地产生时间或空间上的冲突。无人驾驶车辆若要顺利完成通行任务，[0006]本发明要解决的技术问题就是提出无人驾驶车辆在城市交叉口左转的行为决策8[0022]协方差矩阵可以选择合适的协方差函数进行求取，这里选用Matern类协方差函9获得模型的预测均值和预测可信度o::[0044]考虑到轨迹预测时长与模型预测误差之间的关系，补偿系数c根据高斯过程回归不同时受到车道线的约束，无法直接计算TTC，需要根据坐标转换建立二者之间的位置关[0071]速度和加速度的阈值设定可参考实际交通流数据及现有技术，设定vma[0083](1)本发明将无人驾驶车辆在交叉口左转的决策框架划分为环境评估、行为决策[0084](2)本发明针对直行车为一辆及多辆场景分别制定了决策流程；在驾驶动作选择[0094]图9为基于高斯过程回归模型(GPR)的轨迹预测结果和基于匀速模型(CV)的轨迹[0107]本发明主要针对无人驾驶车辆在城市交叉口左转时与对向直行车辆之间的冲突[0114]协方差矩阵可以选择合适的协方差函数进行求取，这里选用Matern类协方差函[0130](2)针对无人驾驶车辆的行为决策问题，本发明将无人驾驶车辆的左转通行过程路口后需要触发轨迹预测模块，实现对直行车轨迹预测的预测和冲突区域占用时间的计偿系数。补偿系数c根据高斯过程回归模型预测的均方根误差(RMSE)与预测时长的比值确[0143]经过标准化处理的补偿系数及高斯过程回归模型的预测误差如图6所示。由于预[0169]速度和加速度的阈值设定可参考实际交通流数据及相关参考文献。本发明设定[0172]本发明选择经典跟驰模型中的GM模型描述左转车对直行车的影响，如式(21)所[0183](2)如图9所示，基于高斯过程回归模型(GPR)的轨迹预测结果和基于匀速模型[0184](3)使用基于高斯过程回归模型(GPR)的轨迹预测模型和基于匀速模型(CV)的轨[0186]仿真验证使用的是Matlab/Simulink&Prescan联合仿真平台，仿真场景参考真实=任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，