智能网联汽车技术基础 第6章 智能网联汽车决策与规划技术.pptx

《智能网联汽车技术基础》第六章智能网联汽车决策与规划技术6.2行为决策6.3路径规划6.4决策与规划6.1决策与规划概述导入案例智能网联汽车决策与规划技术有哪些？通过对本章的学习，读者可以得到答案。自动驾驶系统主要包括环境感知、决策规划、运动控制几大部分。智能汽车首先根据配备的传感器对汽车周围环境进行探测，然后将感知到的信息发布到决策规划层，决策规划层根据接收到的传感器信息对当前环境进行分析，并根据需求规划出一条安全无碰撞的路径作为智能汽车的行驶路径，然后将规划路径传递给运动控制模块，通过运动控制模块可以控制智能车辆按照规划路径行驶。学习目标1、理解决策与规划模块在智能网联汽车中的作用2、了解常见的决策与规划体系结构3、理解行为预测与行为决策在决策规划模块中的功能4、熟悉全局路径规划与局部路径规划的功能与作用5、理解基于搜索、采样、智能优化的代表性全局路径规划算法，如A*算法、RRT算法6、了解局部路径规划算法，如TEB（Time-Elastic-Band）算法、人工势场法等6.1决策与规划概述决策规划可以分为两大部分，分别是行为决策与路径规划两大部分，但两者在实际工作的过程中又是相依相存、共同作用、不可分割的。决策规划可以理解为依据感知信息和自身信息来进行决策判断，根据车辆的行驶状态，制定相应的控制策略，替代人类做出驾驶决策。决策规划层是自动驾驶系统智能性的直接体现，决策规划的最终目的是让车辆能够安全的行驶并到达相应的目的地，对车辆的行驶安全性和整车性能起着决定性作用。6.1.1决策与规划基本概念6.1决策与规划概述决策规划部分作为智能汽车的核心技术，可以通过不同的架构来表示其功能实现流程，常见的决策规划体系结构有分层递阶式、反应式以及二者混合式。6.1.2决策与规划体系结构分层递阶式结构混合式体系结构反应式体系结构6.1决策与规划概述为了更好地解决决策规划这一模块工作的可靠性，通常可以将决策和规划分开来分析，分成行为决策与路径规划两大部分。随着智能汽车的快速发展，近年出现了许多解决行为决策的理论与方法，包括模糊决策法，基于规则的决策法、基于马尔科夫的决策论、贝叶斯决策理论、神经网络法、机器学习等。智能车辆的路径规划可以分为全局路径规划和局部路径规划两种。全局路径规划算法主要分为基于搜索、采样、智能优化几类。基于搜索的路径规划代表算法有Dijkstra和A*等，这两种算法都是以搜索全局最短路径为目标进行搜索的，算法搜索稳定性较好，但是当地图较大时，搜索速度较慢，搜索时长会增加。基于采样的路径规划代表算法有PRM与RRT等，二者都是随机搜索算法，在地图上随机采样。快速搜索随机树（Rapidly-exploringRandomTrees，RRT）算法核心思想是模拟树的生长过程，树枝的生长就看成每次路径的探索，然后向每个方向随机生长，直至树枝生长到目标点。RRT的主要优点是能够快速地搜索整个可行域，但是它的主要缺点在于其创建的干扰路径以及在树的扩展过程中对最近邻居的度量标准有很强的依赖性。基于智能优化的路径规划算法有遗传算法、蚁群算法等，这类算法都是根据自然界的规律来模拟算法思想，虽然算法的效率较高，但是规划路径的稳定性较差。目前常用的局部搜索方法主要有人工势场法、动态窗口法（DWA）、矢量场柱状图（VFH）算法、模糊逻辑算法、TEB算法等。6.1.3决策与规划方法介绍6.2行为决策6.2.1交通环境行为预测环境行为预测模块是对感知到的交通参与者进行行为预测，环境行为预测模块是对感知到的交通参与者进行行为预测，行为决策模块根据建立的模型或者相关的规划预测出物体的行为。行为预测模块作为决策规划模块的直接数据的最上层，其主要作用是对感知层所识别到的物体进行相应的行为预测，并且将预测的结果转化为时间、空间维度的轨迹传递给后续模块。6.2行为决策对于车辆的行为预测，大多数研究都是使用车辆的历史轨迹来模拟其行为，并基于该行为来预测未来时刻的轨迹。但是这些研究很少考虑当前的道路环境、交通信息等特征，因此在对车辆的行为预测中要考虑道路环境、交通信息对预测结果的影响。目前对车辆的行为预测主要分为以下几类：基于物理模型的行为预测、基于行为模型的行为预测、基于交互模型的行为预测、基于神经网络的行为预测、基于仿生学的行为预测以及多种方法相结合的行为预测方法等。行人的行为预测是指根据行人过去一段时间内的行走轨迹，来预测未来时刻的轨迹，与车辆的行为预测不同，行人具有较高的主观能动性，在决策的过程中预测的随机性较强，而且相同场景下，不同的人也会有很多种决策行为，所以很难用一种模型来表示行人的行为预测。6.2.1交通环境行为预测6.2行为决策行人的行为预测是指根据行人过去一段时间内的行走轨迹，来预测未来时刻的轨迹，与