城市環(huán)境下無人駕駛車輛決策系統(tǒng)研究.pdf

1、隨著計算機科學(xué)和機器人技術(shù)的發(fā)展，無人駕駛車輛在軍事、民用和科學(xué)研究等諸多方面得到了廣泛的應(yīng)用，它集中了結(jié)構(gòu)學(xué)、電子學(xué)、控制論和人工智能等多學(xué)科的最新研究成果，具有廣闊的應(yīng)用前景。
　　對于無人駕駛車輛來說，智能決策是其關(guān)鍵組成部分，是研究的熱點之一。在城區(qū)環(huán)境中，由于駕駛場景復(fù)雜多變，交通參與者的行為難以預(yù)測，無法采用一個標(biāo)準(zhǔn)、統(tǒng)一的決策模型進行描述。為了解決城區(qū)復(fù)雜環(huán)境下無人駕駛車輛的決策、規(guī)劃問題，本文通過學(xué)習(xí)人類駕駛員復(fù)雜

2、場景下的決策過程，提出了一種新的駕駛行為決策模型的建立方法，并在此基礎(chǔ)上，完成了無人車的運動規(guī)劃。具體的研究內(nèi)容如下所示:
　　1)介紹了無人駕駛車輛的研究意義，了解了無人駕駛車輛的國內(nèi)外研究現(xiàn)狀，調(diào)研了移動機器人智能決策及運動規(guī)劃方法，分析比較了國外無人駕駛車輛決策系統(tǒng)的實現(xiàn)方式，對城市典型交通狀況進行了描述和總結(jié)?；隈{駛員的任務(wù)需求以及其對車輛的決策過程及行為方式，提出了無人駕駛車輛在城市道路中進行決策規(guī)劃的關(guān)鍵問題，明確了

3、決策系統(tǒng)的設(shè)計準(zhǔn)則。隨后介紹了“智能先鋒Ⅱ”無人駕駛車輛平臺的各個組成模塊，闡述了平臺的工作原理及協(xié)作方式?；跊Q策系統(tǒng)時間和空間上的多分辨率的特點，設(shè)計了三層模塊化決策系統(tǒng)框架，滿足決策系統(tǒng)的實時性、自適應(yīng)性和魯棒性要求。
　　2)針對不同的駕駛環(huán)境及人類駕駛員的駕駛行為特征，采用層次有限狀態(tài)機的方法建立城區(qū)環(huán)境下無人駕駛車輛行為決策模塊。對駕駛員的復(fù)雜行為進行抽象和分解，并把分解所得的原子行為作為狀態(tài)機的底層狀態(tài)集合。同時，基

4、于人類駕駛員復(fù)雜場景下的決策過程，提出了一種基于多屬性決策方法的駕駛行為決策模型，抽取行駛過程中駕駛員關(guān)注的相關(guān)屬性，判斷和評價并獲取最終駕駛行為模式，使得行為決策模式符合人類駕駛員的思維過程，解決了城市復(fù)雜交通場景下無人駕駛車輛的類人決策問題。設(shè)計了一種基于層次分析法——熵權(quán)法的駕駛行為矩陣賦權(quán)方法，建立基于駕駛經(jīng)驗與客觀數(shù)據(jù)的權(quán)重體系，減弱主觀隨意性對決策結(jié)果的干擾，并且減少因樣本數(shù)據(jù)不足帶來的熵值法不準(zhǔn)確的問題。結(jié)合TOPSIS優(yōu)

5、選和灰色關(guān)聯(lián)分析兩種方法，構(gòu)建一種新的駕駛行為灰色理想值逼近模型，進行決策評判，使得被選方案不僅在空間位置上與最優(yōu)方案較為接近，同時，其形狀也貼近于最優(yōu)方案，保證了所選駕駛行為的最優(yōu)性。
　　3)研究基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的運動規(guī)劃方法。首先對城區(qū)環(huán)境中運動規(guī)劃算法的設(shè)計原則進行了分析，明確了運動規(guī)劃的難點。針對非結(jié)構(gòu)化道路特征不明顯，環(huán)境不可預(yù)測的特點，提出了一種基于徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的運動規(guī)劃方法，通過隨機提取可行駛

6、區(qū)域內(nèi)的離散參考點，采用正則化網(wǎng)絡(luò)對數(shù)據(jù)做逼近處理，并以一種帶遺忘因子的單輸出RBF網(wǎng)絡(luò)學(xué)習(xí)方法——梯度下降法對網(wǎng)絡(luò)參數(shù)進行學(xué)習(xí)。生成的軌跡能夠?qū)θ我獾缆沸螤钸M行擬合，并且滿足車輛運動特性的約束。此外由于RBF網(wǎng)絡(luò)是一種局部逼近網(wǎng)絡(luò)，具有學(xué)習(xí)速度快的優(yōu)點，對于動態(tài)變化的環(huán)境能夠快速響應(yīng)，滿足車輛規(guī)劃系統(tǒng)的實時性要求。
　　最后，本文基于城區(qū)真實道路環(huán)境，在“智能先鋒Ⅱ”無人駕駛車輛平臺上進行了實驗，結(jié)果驗證了決策系統(tǒng)設(shè)計方法的正確