CN116541295B 一种道路动态场景仿真方法及系统 （上海人工智能创新中心）

内多车交互，可以模拟出高效且精细的动态场2由多车联合决策规划模块确定多个车辆的联合行为，并且对多个车辆的轨迹进行规将路径拆分为多个互相连接的路径组件，所述路径组件包括路段其中由车道级路径构建单元在所述路径组件在第一阶段将所述路径组件上的所有车道确定为可行车道在第二阶段根据路径的转向信息确定所述路径组件上的可行车道;3通过上述交互判定将连续交通流中的多个车辆进行车流分组以使得分组内的任意两使每个车辆根据自身决策目标的完成程度以及行确定组内所有车辆加权收益的总和以获得分组收益，并且根4多源交通流生成模块，其被配置为在所述路网上生成多车联合决策规划模块，其被配置为确定多个车将路径拆分为多个互相连接的路径组件，所述路径组件包括路段其中由车道级路径构建单元在所述路径组件在第一阶段将所述路径组件上的所有车道确定为可行车道在第二阶段根据路径的转向信息确定所述路径组件上的可行车道;5存储器，其被存储有机器可读指令，所述机器可读指令在被处理7.一种计算机可读存储介质，其上存储有机6[0004]为至少部分解决现有技术中的上述问题，本发明提出一种道路动态场景仿真方7[0014]由基线模型生成单元根据基线模型生成交通流，其中所述基线模型包括跟驰模[0018]由轨迹预测单元根据车辆的历史时刻和当前时刻的轨迹预测车辆的未来时刻的[0020]由轨迹规划单元对多个车辆进行并行轨迹规划，其中轨迹规划包括目标点采样、8[0050]通过上述交互判定将连续交通流中的多个车辆进行车流分组以使得分组内的任9[0067]本发明至少具有如下有益效果：本发明提出一种道路动[0071]图3示出了本发明一个实施例中一个根据道路几何信息和拓扑信息构建高精度路据本发明的方法和\或系统可以在图1所示的计算机系统100中执行以实现本发明目的，或者本发明可以在多个根据本发明的计算机系统100中通过网络、如局域网或因特网分布式如可以存储用于在启动时实现信息传输的基本例程的基本输入/输出系统(BIOS)数据，而RAM104用于为系统提供存取速度较快的运行内存。计算机系统100还包括用于对硬盘110进行读写的硬盘驱动器109、用于对诸如CD_ROM之类的光介质进行读写光驱接口113等等。硬盘110例如可以存储有操作系统和应用程序。驱动器及其相关联的计算机可读介质为计算机系统100还可以包括用于图像处理和/或图像输出的视频适配器105，其用于连接显示器106等输出设备。计算机系统100还可以包括用于音频处理和/或音频输出的音频适配器网络接口114，其中网络接口114可以通过诸如路由器115之类的网络装置连接到因特网的一个或多个机器执行时，可以引起一个或多个机器执行根据本发明的各实施例的操作。编程只读存储器)、磁或光卡、闪速存储器或适用于存储机器可执行指令的其他类型的介制解调器和/或网络连接)由载波或其他传播介质实现和/或调制的一种或多种数据信号把块的功能以程序代码形式写入设备的诸如EPROM或EEPROM之类的只读存储器中，并且当所单独的硬件来实现或者通过与所述硬件协作来实现辆的轨迹进行规划。[0098]图2示出了本发明一个实施例中一个道路动态场景仿真系统的示意图。如图2所[0099]所述多场景路网构建模块201包括路网构建单元2011、车道级路径构建单元2012路网。所述车道级路径构建单元2012被配置为根据车辆的起点和终点信息进行路线规划，确定车辆在路线上各个路段的可行车道，进而构建车道级路径。所述场景范围构建单元2013被配置为使得场景范围跟随目标车辆移动，以[0100]所述多源交通流生成模块202包括基线模型生成单元2021、路采数据生成单元[0101]所述多车联合决策规划模块203包括轨迹预测单元2031、多车联合行为决策单元2032以及轨迹规划单元2033。所述轨迹预测单元2031包括车辆轨迹预测接口以及基线模[0102]所述多维度场景分析模块204包括仿真记录单元2041、车辆状态分析单元2042以[0104]所述多场景路网构建模块201包括路网构建单元2011、车道级路径构建单元2012游车道的起点来构建道路汇合区域内的车道。图3示出了本发明一个实施例中一个根据道然后分别构建基于车道的Frenet坐标系。由于L1和L2是连通的两条车道，L1的下游车道是进而构建道路汇合区域内车道的Frenet坐[0108]图4示出了本发明一个实施例中不同道路类型的路网示意图。上述在路段以及道路汇合区域构建Frenet坐标系的方式可以推广至交叉口401、环道402以及匝道403等等多[0110]图5示出了本发明一个实施例中一个车道级路径信息构建在城市级路网上进行仿真，通常是定义车辆经过的路段信息，通过车辆的起点502和终点[0119]其中Dno_change表示车辆换道所需的最短距离，也就是说当剩余车道长度小于标车辆所在的路径组件，所述第三场景范围703是由距离目标车辆最近的不多于特定数量[0123]所述多源交通流生成模块202包括基线模型生成单元2021、路采数据生成单元数据包括路侧固定传感器采集的数据(NGSIM数据集等)、车载传感器采集的数据(Waymo数[0128]所述多车联合决策规划模块203包括轨迹预测单元2031、多车联合行为决策单元中实时预测车辆行为和轨迹。所述轨迹预测单元2031对场景范围内的车辆进行轨迹预测，其中轨迹预测的输入是车辆的历史时刻和当前时刻的轨迹，输出是车辆的未来时刻的轨个车辆来说，一方面，车辆会根据自身决策目标的完成程度(例如是否完成特定的换道行[0135]所述多维度场景分析模块204包括仿真记录单元2041、车辆状态分析单元2042以[0137]所述路网信息包括路网几何结构信息以及拓扑结构信息。路网的基本单元是车段或交叉口的从属关系和车道上下游的连接剩余时间的计算方式为目标车辆车头与前方车辆车尾之间的距离除以目标车辆与前方车[0141]所述场景分析单元2043被配置为在线或者离线地对仿真过程目标场景进行综合值是指碰撞剩余时间的特定取值，高危状况是指碰撞剩余时间低于高危场景阈值的状况。的累加时间。高危程度表示为高危场景阈值与预期