基于风险场模型的驾驶行为决策方法、电子设备及介质

技术领域

本发明涉及自动驾驶技术领域，尤其是涉及基于风险场模型的驾驶行为决策方法、电子设备及介质。

背景技术

在智能网联交通环境的基础背景下，自动驾驶核心技术体系可简单概括为“感知融合、规划决策、控制执行”，相较感知域，规划控制域驾驶行为决策方法对车辆特性(如车辆类型、车重、车辆时空位置信息等)的依赖性与相关性更强。优秀的驾驶行为决策方法可以有效减少因驾驶员误操作引发的交通事故率，在安全运行的前提下保障车头间距更小，保障车辆运行的安全、效率和节能性。关注车辆特性影响下的驾驶行为及其安全特征，对于完善交通流理论，促进车路协同、自动驾驶、智能网联等技术的快速发展具有重要的基础意义。

国内外相关研究中，驾驶行为决策方法主要包括传统跟驰换道行为决策方法和基于场论模型的驾驶行为决策方法两类。

(一)传统跟驰换道行为决策方法

传统的跟驰行为主要涉及车辆纵向运行策略，典型跟驰模型包括刺激反应类(GM、Newell、Helly等模型)、安全距离类(Gipps、NETSIM、FRESIM等模型)、心理生理类(Wiedemann、Winsum、DVA等模型)、人工智能类(模糊逻辑、神经网络、模糊神经网络等模型)、优化速度类(OVM、GF、FVD等模型)、智能驾驶类(IDM、HDM等模型)、元胞自动机类(NaSch、FI、VDR等模型)；传统的换道行为主要涉及车辆行驶过程中改变车道的横向运行策略，典型换道模型包括安全距离类(Gipps、MITSIM、AIMSUN2、CORSIM、MOBEL等模型)、心理生理类(Wiedemann、Winsum、DVA等模型)、人工智能类(模糊逻辑、神经网络、模糊神经网络、博弈论等模型)、数学统计类(马尔可夫、生存模型等)。

(二)基于场论模型的驾驶行为决策方法

在车辆和交通安全的角度，场论假设道路是一个物理场，驾驶员对周围的反应各向异性，驾驶员之间在一定空间距离内相互作用，驾驶员总是试图趋利避害。通过场论指标的优化改良，场论模型正逐步应用于驾驶行为决策方法搭建中。陶鹏飞等在不考虑超车和换道的假设前提下，将车辆的各种行为抽象为驾驶人受到的驱动力和阻力，进而制定跟驰行为决策方法。Yang等将各因素对研究对象车辆跟车行为的影响简化为车辆间相互作用的引力和斥力，继而研究横向偏距对跟驰行为的影响。Sattel等、Rossetter等按道路线建立风险场，基于此建立算法，并将算法应用到无人驾驶车的换道行为决策方法搭建过程中。王建强等根据行车安全风险场理论建立新的交通安全风险评估指标，利用实车跟驰、换道切入场景，验证基于行车安全风险场的驾驶行为决策方法的有效性。

较之于传统跟驰换道行为决策方法对车速、车头间距等单一维度交通要素的过度依赖，基于场论模型的驾驶行为决策方法能够将车辆特性(如车辆类型、车重、车辆时空位置信息等)多因素的影响融合到决策方法的构建过程中，并通过风险值高低与实际交通和运动学规律对比衡量表征效果。但现有技术的基于场论模型的驾驶行为决策方法对汽车碰撞事故力学和交通安全风险评估理论的考量较为欠缺，以致其实际应用受到较大局限。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供基于风险场模型的驾驶行为决策方法、电子设备及介质，本发明能够从事故力学角度以能量损失量化潜在碰撞风险程度，符合车辆实际运营情况，具有极强的实用性和准确性。

本发明的目的可以通过以下技术方案来实现：

根据本发明的第一个方面，本发明提供一种基于风险场模型的驾驶行为决策方法，包括如下步骤：

S1：采集当前时刻目标车辆的行驶路段中，目标车辆及其周围车辆的时空分布数据和运动信息；

S2：根据车辆的时空分布数据和运动信息，结合汽车碰撞事故力学与交通安全风险评估理论，搭建由障碍物场和道路场构成的风险场模型，完成道路环境的风险感知，包括障碍物场风险、道路场风险和基于风险场模型的综合风险；

S3：根据风险场模型，建立目标车辆的换道行为决策方法。

优选地，所述车辆的时空分布数据和运动信息包括车辆荷载、车辆速度、车辆指向道路虚线的距离矢量和车辆指向道路边界线的距离矢量。

优选地，S2中，根据车辆荷载及车辆速度，计算潜在能量损失PEL

优选地，描述障碍物场风险TRI的公式为：

TRI

式中，TTC

优选地，S2中，根据车辆指向道路虚线的距离矢量和车辆指向道路边界线的距离矢量，确定道路场风险LRI：

式中，A

优选地，描述基于风险场模型的综合风险PRF

PRF

式中，LRI

优选地，所述S2具体包括如下步骤：

S3.1：当目标车辆具有换道意图时，判断当前时刻目标车辆与前车之间的最小纵向安全距离是否支持目标车辆完成换道操作，是则执行S3.2，否则保持原道行驶。

S3.2：根据目标车辆的运动信息，对比当前时刻目标车辆当前行驶车道与相邻车道的综合风险PRF，判断是否满足换道条件，是则执行换道操作。

S3.3：将时间戳推进至下一时刻，重复执行S3.1和S3.2，进而建立目标车辆的换道行为决策方法。

优选地，S3.2中，若当前行驶车道的综合风险PRF不大于相邻车道的综合风险PRF，目标车辆保持跟驰状态；若当前行驶车道的综合风险PRF大于相邻车道的综合风险PRF，则执行换道操作。

根据本发明的第二个方面，本发明提供一种电子设备，包括：

一个或多个处理器；存储器；和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上任一所述的基于风险场模型的驾驶行为决策方法的指令。

根据本发明的第三个方面，本发明提供一种计算机可读存储介质，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如上任一所述的基于风险场模型的驾驶行为决策方法的指令。

与现有技术相比，本发明具有以如下有益效果：

(1)本发明提供的一种基于风险场模型的驾驶行为决策方法，基于汽车碰撞事故力学建立融合车辆特性的交通安全风险评估指标，能够从事故力学角度以能量损失量化潜在碰撞风险程度，符合车辆实际运营情况，具有极强的实用性和准确性。

(2)本发明提供的一种基于风险场模型的驾驶行为决策方法，融合车辆特性(如车辆类型、车重、车辆时空位置信息等)和交通安全的风险场模型，具有的实用性和准确性。

附图说明

图1为本实施例提供的一种基于风险场模型的驾驶行为决策方法的流程示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

根据本发明的第一个方面，参考图1所示，本实施例提供一种基于风险场模型的驾驶行为决策方法，包括如下步骤：

S1：采集当前时刻目标车辆的行驶路段中，目标车辆及其周围车辆的时空分布数据和运动信息。

作为一种可选的实施方式，车辆的时空分布数据和运动信息包括车辆荷载、车辆速度以及车辆指向道路线的距离矢量，道路线包括道路边界线和道路虚线，因此车辆指向道路线的距离矢量包括车辆指向道路虚线的距离矢量和车辆指向道路边界线的距离矢量。

S2：根据车辆的时空分布数据和运动信息，结合汽车碰撞事故力学与交通安全风险评估理论，搭建由障碍物场和道路场构成的风险场模型，完成道路环境的风险感知，包括障碍物场风险、道路场风险和基于风险场模型的综合风险。

风险场模型主要由驾驶人场、障碍物场、道路场组成，多交通要素的考量和精细化描述有利于提高风险场模型的描述效果。但本发明中的风险场模型忽略驾驶人场的作用效果，搭建简单道路环境下由障碍物场和道路场构成的风险场模型。

根据车辆荷载及车辆速度，计算潜在能量损失PEL

距碰撞时间TTC指前后两车从当前时刻至碰撞发生时刻所需的时间，将TTC低于碰撞时间阈值TTC'的程度乘以潜在能量损失PEL定义为障碍物场风险TRI。描述障碍物场风险TRI的公式为：

TRI

式中，TTC

根据车辆指向道路虚线的距离矢量和车辆指向道路边界线的距离矢量，确定道路场风险LRI。

式中，A

描述基于风险场模型的综合风险PRF

PRF

S3：根据风险场模型，建立目标车辆的换道行为决策方法。

S3.1：当目标车辆具有换道意图时，判断当前时刻目标车辆与前车之间的最小纵向安全距离是否支持目标车辆完成换道操作，是则执行S3.2，否则保持原道行驶。

S3.2：根据目标车辆的运动信息，对比当前时刻目标车辆当前行驶车道与相邻车道的综合风险PRF，判断是否满足换道条件，是则执行换道操作。

作为一种可选的实施方式，若当前行驶车道的综合风险PRF不大于相邻车道的综合风险PRF，目标车辆保持跟驰状态；若当前行驶车道的综合风险PRF大于相邻车道的综合风险PRF，则执行换道操作。

S3.3：将时间戳推进至下一时刻，重复执行S3.1和S3.2，进而建立目标车辆的换道行为决策方法。

将上述优选的实施方式进行任意组合可以得到更优的实施方式，下面将所有的实施方式进行组合得到的一种最优的实施方式进行具体描述。

搭建复杂情境下的跟驰换道仿真场景，场景包括车辆自由换道及瓶颈处强制换道情形。进行基于风险场模型的驾驶行为决策方法构建过程包括如下步骤：

S1：采集当前时刻目标车辆的行驶路段中，目标车辆及其周围车辆的时空分布数据和运动信息，包括车辆荷载、车辆速度、车辆指向道路虚线的距离矢量和车辆指向道路边界线的距离矢量。

S2：根据车辆的时空分布数据和运动信息，结合汽车碰撞事故力学与交通安全风险评估理论，搭建由障碍物场和道路场构成的风险场模型，完成道路环境的风险感知，包括障碍物场风险、道路场风险和基于风险场模型的综合风险。

风险场模型主要由驾驶人场、障碍物场、道路场组成。鉴于基于风险场模型的驾驶行为决策方法构建主要受障碍物场和道路场影响。因此忽略驾驶人场的作用效果，在prescan仿真场景中搭建简单道路环境下三车道变两车道场景由障碍物场和道路场构成的风险场模型。

基于汽车碰撞事故力学与交通安全风险评估理论，确定障碍物场风险和道路场风险。基于动量守恒、动能守恒和恢复系数计算公式可得潜在能量损失PEL，将TTC低于碰撞时间阈值TTC'的程度乘以潜在能量损失PEL定义为障碍物场风险TRI。综合风险PRF为障碍物场TRI和由双黄线场等边界线、虚线构成的道路场LRI加和。

S3：基于风险场模型，建立横纵向驾驶行为决策方法。判断当前时刻最小纵向安全距离是否支持目标车辆完成换道操作。若不满足，车辆保持原车道运行；若满足，则进行下一步换道条件的判别。基于风险场模型，根据目标车辆的运动信息，对比当前时刻当前车道与相邻车道的风险指标PRF，判断是否满足换道条件。若当前车道PRF不大于相邻车道PRF，目标车辆保持跟驰状态；若当前车道PRF大于相邻车道PRF，则执行换道操作。时间戳推进至下一时刻，重复执行S3.1和S3.2，进而建立目标车辆的换道行为决策方法。在步骤一场景中，利用simulink与carsim联合仿真，进行基于风险场模型的驾驶行为决策方法与传统驾驶行为决策方法的仿真复现与对比分析，以速度、潜在冲突数为评估指标验证了模型有效性。本发明能够为智能网联环境下微观车辆驾驶行为决策奠定理论基础，对车辆编队协同控制和规划域控制器设计提供技术支撑。

根据本发明的第二个方面，本发明提供一种电子设备，包括：

一个或多个处理器；存储器；和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上任一所述基于风险场模型的驾驶行为决策方法的指令。

根据本发明的第三个方面，本发明提供一种计算机可读存储介质，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如上任一所述基于风险场模型的驾驶行为决策方法的指令。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。