CN115743172A - 模仿前车进行博弈的高交互场景自动驾驶决策方法及系统 - Google Patents
模仿前车进行博弈的高交互场景自动驾驶决策方法及系统 Download PDFInfo
- Publication number
- CN115743172A CN115743172A CN202211398202.7A CN202211398202A CN115743172A CN 115743172 A CN115743172 A CN 115743172A CN 202211398202 A CN202211398202 A CN 202211398202A CN 115743172 A CN115743172 A CN 115743172A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- self
- lane
- game
- following
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种模仿前车进行博弈的高交互场景自动驾驶决策方法及系统，包括：步骤S1：自车获取地图信息和位置信息，并利用传感器实时采集环境数据；步骤S2：自车根据环境数据获取道路交通信息并识别交通参与者；步骤S3：自车对周围他车进行分析，判断是否有适合跟随的他车，若有适合跟随的他车，则自车选择其作为前车进行跟随，若无适合跟随的他车，则自车自主行驶；步骤S4：自车若跟随前车行驶，则在高交互场景中模仿前车进行博弈，以辅助自身决策；自车若自主行驶，则在高交互场景中采取保守策略。本发明通过令自动驾驶车辆模仿前车进行博弈从而提高其对强交互场景的决策处理能力，并且通过一套方法保证这种模仿行为的有效性。
Description
技术领域
本发明涉及自动驾驶技术领域，具体地，涉及模仿前车进行博弈的高交互场景自动驾驶决策方法及系统。
背景技术
自动驾驶发展至今，技术上来说已经具备常见场景的识别、处理能力，但是在高交互的场景下，自车与周围车辆相互影响、相互博弈，导致周围车辆的行为难以估计，进而使得自车难以做出有效决策。比如，在无保护左转的情况下，对向来车可能的行为受到自车影响，其最终决策也与难以观测的因素有关(如驾驶员的性格等)，因此难以预计其运动轨迹，也难以决定自车应该如何应对。而人类驾驶员通常具备更高的智能与更丰富的驾驶经验，针对这类强交互场景能够自适应的做出相应决策。
专利文献CN106030609B(申请号：201480074153.9)公开了一种用于主车辆的驾驶员辅助导航系统。所述系统可包括：至少一个图像捕获装置，所述至少一个图像捕获装置被构造成获取主车辆的附近区域的多个图像；数据接口；以及至少一个处理装置。所述至少一个处理装置可构造成：在所述多个图像中定位前车；基于所述多个图像来确定所述前车采取的至少一个动作；以及致使所述主车辆模仿所述前车的所述至少一个动作。该专利虽然提供了一套模仿前车的系统和方法，但是仅考虑了前车和自车的交互，并没有考虑周围其他交通参与者对前车和自车行为的影响，因此其方案仅适用于自车与环境博弈较少的简单、低交互驾驶场景。
专利文献CN103158705B(申请号：201210521885.0)公开了一种监测周围车辆行为的方法和系统，目的是为了即使在不能直接检测到危险的情况下也能预测道路上即将到来的危险并做出反应。在一个实施例中，所述方法监测本车周围的区域并寻找一辆或多辆目标车辆的存在。如果检测到目标车辆，那么所述方法就评估它们的行为，将它们的行为归类为几个类别中的一类，并且如果它们的行为暗示有某种类型的即将到来的危险，那么就形成适当的抢先响应以用于控制本车。同样地，该方案没有考虑周围其他交通参与者对前车和自车行为的影响，无法应用于高交互场景。
本发明在考虑其他交通参与者的影响上对前车的行为进行模仿，可以有效利用人类驾驶员的决策能力辅助处理决策难度较大的高交互场景，增强自动驾驶车辆的适应能力。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种模仿前车进行博弈的高交互场景自动驾驶决策方法及系统。
根据本发明提供的一种模仿前车进行博弈的高交互场景自动驾驶决策方法，包括：
步骤S1：自车获取地图信息和位置信息，并利用传感器实时采集环境数据；
步骤S2：自车根据环境数据获取道路交通信息并识别交通参与者；
步骤S3：自车对周围他车进行分析，判断是否有适合跟随的他车，若有适合跟随的他车，则自车选择其作为前车进行跟随，若无适合跟随的他车，则自车自主行驶；
步骤S4：自车若跟随前车行驶，则在高交互场景中模仿前车进行博弈，以辅助自身决策；自车若自主行驶，则在高交互场景中采取保守策略。
优选地，所述自车为自动驾驶车辆；所述地图信息包括高精度地图；所述位置信息包括自车在地图中的位置；所述传感器包括相机和激光雷达；所述环境数据为自车周围环境的图像和点云；
所述道路交通信息包括道路、路沿、车道线、信号灯、标志牌、交通设施和障碍物；所述交通参与者包括机动车、非机动车和行人；自车根据周围环境的图像和点云，采用目标检测算法从中提取出关键目标，从而获取道路交通信息并识别出所有交通参与者，确定各交通参与者的类型、大小、位置、方向、速度和加速度。
优选地，所述高交互场景是指除自车外存在众多其他交通参与者，且其他交通参与者与自车或者前车发生路线冲突的场景；所述路线冲突包括其他交通参与者的预测行进路线与自车的规划行进路线或者前车的预测行进路线在预设时段内的某一时刻将发生交汇；
自车根据其他交通参与者或者前车的位置、方向、速度、加速度和转向信息，得到其预测行进路线；自车根据行驶目标和环境数据进行路径规划和速度规划，得到规划行进路线。
优选地，自车判断是否有适合跟随的他车的方法包括：
通过传感器实时获取周围他车的位置、速度、加速度和转向灯信息；
分析上述信息并结合高精度地图，得到周围他车的车道信息、方向信息和转向信息，进而判断其行驶目标；
从周围他车中选取一辆与自车行驶目标相同且处于安全车速的他车，作为适合跟随的他车；
所述行驶目标相同包括方向相同和转向选择相同。
优选地，自车选择适合跟随的他车作为前车进行跟随的方法包括：
场景一：若适合跟随的他车位于自车前方、与自车位于同一车道且与自车距离处于预设距离范围之内，则自车选择其作为前车并在保证安全车距和安全车速的前提下紧跟前车行驶；
场景二：若适合跟随的他车位于自车前方、与自车位于同一车道且与自车距离大于或小于预设距离范围，则自车选择其作为前车，加速或减速行驶一定距离以使自车与前车的距离适中，然后在保证安全车距和安全车速的前提下紧跟前车行驶；
场景三：若适合跟随的他车位于自车前方且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同且可以变道时，则自车选择其作为前车，变道至前车所在车道，接着判断自车与前车的距离，若较近则减速行驶，若较远则加速行驶，若适中则保持，从而使自车与前车的距离适中，然后在保证安全车距和安全车速的前提下紧跟前车行驶；
场景四：若适合跟随的他车位于自车前方且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同但不可以变道或者当该车所在车道与自车所在车道的类型不同时，则放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车；
场景五：若适合跟随的他车位于自车后方且与自车位于同一车道，则自车减速行驶或者给出其他可以超车的示意信号以便该车超车；若该车在预设时间阈值内超到自车前方且与自车位于同一车道，则按照场景一或场景二的方法进行处理；若该车在预设时间阈值内超到自车前方且与自车位于不同车道，则按照场景三或场景四的方法进行处理；若该车在预设时间阈值内始终不超车，则放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车；
场景六：若可跟随的他车位于自车后方或者与自车平行，且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同且可以变道时，则自车减速行驶直到处于该车后方，然后按照场景三的方法进行处理；
场景七：若可跟随的他车位于自车后方或者与自车平行，且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同但不可以变道或者当该车所在车道与自车所在车道的类型不同时，则放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车。
优选地，自车跟随前车行驶并在高交互场景中模仿前车进行博弈的方法包括：
首先采用距离判断法，从其他交通参与者中识别出与前车或自车的距离小于预设距离阈值的交通参与者作为关键目标，然后采取如下策略：
策略一：关键目标的预测行进路线与前车的预测行进路线和自车的规划行进路线均无交汇，则无论关键目标属于哪类交通参与者，自车都继续跟随前车行驶并模仿前车驾驶行为；
策略二：关键目标是机动车且其预测行进路线与前车的预测行进路线产生交汇，则关键目标的博弈对象是前车，无论前车博弈成功还是博弈失败，自车都继续跟随前车行驶并模仿前车驾驶行为；
策略三：关键目标是机动车且其预测行进路线与自车的规划行进路线产生交汇，则关键目标的博弈对象是自车，若自车博弈成功，则自车继续跟随前车行驶，若自车博弈失败，则自车采取保守驾驶策略，主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随；
策略四：关键目标是非机动车或行人且其预测行进路线与前车的预测行进路线产生交汇，则关键目标的博弈对象是前车，无论前车博弈成功还是博弈失败，自车都继续跟随前车行驶并模仿前车驾驶行为；
策略五：关键目标是非机动车或行人且其预测行进路线与自车的规划行进路线产生交汇，则关键目标的博弈对象是自车，自车采取保守驾驶策略，只有确认对方先停下或主动避让时才继续跟随前车行驶，其他情况下自车主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随。
优选地，自车模仿前车驾驶行为是指自车模仿前车的纵向控制行为和横向控制行为，包括自车模仿前车的速度、加速度和转向；
前车与关键目标博弈成功是指前车从关键目标手中争取到路权，无须改变原有的行驶状态；前车与关键目标博弈失败是指前车未能争取到路权，需要停车让关键目标前行或改变方向避让关键目标；
自车与属于机动车的关键目标博弈时，先在预设时间内保持原有行驶状态，观察对方反应，若关键目标博弈意图弱、放弃路权，则自车博弈成功，若关键目标博弈意图强、力争路权，则自车博弈失败。
优选地，如果自车在跟随前车行驶的过程中，判断前车的行驶目标发生变化而不再与自车的行驶目标相同时，则自车放弃跟随该车，然后从周围他车中重新选取一辆与自车行驶目标相同且处于安全车速的他车，作为适合跟随的他车；
自车跟紧前车行驶时与前车的距离保持在最小允许安全车距，从而保证模仿前车驾驶行为能有效解决高交互场景的决策问题；
自车紧急制动的响应时间小于相同场景下人类驾驶员的响应时间，从而保证自车的刹车距离不超过安全车距，避免紧急情况下与前车碰撞，增强跟随前车行驶行为的安全性。
优选地，自车自主行驶并在高交互场景中采取保守策略的方法包括：当自车的规划行进路线与其他交通参与者的预测行进路线产生交汇时，自车只有确认对方先停下或主动避让时才继续跟随前车行驶，其他情况下自车主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随。
根据本发明提供的一种模仿前车进行博弈的高交互场景自动驾驶决策系统，包括：
数据获取模块：获取地图信息和位置信息，并利用传感器实时采集环境数据；
信息提取模块：根据环境数据获取道路交通信息并识别交通参与者；
目标识别模块：对周围他车进行分析，判断是否有适合跟随的他车；
前车跟随模块：若有适合跟随的他车，则令自车选择其作为前车进行跟随，若无适合跟随的他车，则令自车自主行驶；
博弈决策模块：若自车跟随前车行驶，则令自车在高交互场景中模仿前车进行博弈，以辅助自身决策；若自车自主行驶，则令自车在高交互场景中采取保守策略。
优选地，所述系统安装在自车上，所述自车为自动驾驶车辆，所述地图信息包括高精度地图，所述位置信息包括自车在地图中的位置，所述传感器包括相机和激光雷达，所述环境数据为自车周围环境的图像和点云；
所述道路交通信息包括道路、路沿、车道线、信号灯、标志牌、交通设施和障碍物，所述交通参与者包括机动车、非机动车和行人；自车根据周围环境的图像和点云，采用目标检测算法从中提取出关键目标，从而获取道路交通信息并识别出所有交通参与者，确定各交通参与者的类型、大小、位置、方向、速度和加速度；
所述高交互场景是指除自车外存在众多其他交通参与者，且其他交通参与者与自车或者前车发生路线冲突的场景；所述路线冲突包括其他交通参与者的预测行进路线与自车的规划行进路线或者前车的预测行进路线在预设时段内的某一时刻将发生交汇；
根据其他交通参与者或者前车的位置、方向、速度、加速度和转向信息，得到其预测行进路线；根据自车的行驶目标和环境数据进行路径规划和速度规划，得到其规划行进路线。
优选地，所述目标识别模块判断是否有适合跟随的他车的方法包括：
通过传感器实时获取周围他车的位置、速度、加速度和转向灯信息；
分析上述信息并结合高精度地图，得到周围他车的车道信息、方向信息和转向信息，进而判断其行驶目标；
从周围他车中选取一辆与自车行驶目标相同且处于安全车速的他车，作为适合跟随的他车；
所述行驶目标相同包括方向相同和转向选择相同。
优选地，所述前车跟随模块令自车选择适合跟随的他车作为前车进行跟随的方法包括：
场景一：若适合跟随的他车位于自车前方、与自车位于同一车道且与自车距离处于预设距离范围之内，则令自车选择其作为前车并在保证安全车距和安全车速的前提下紧跟前车行驶；
场景二：若适合跟随的他车位于自车前方、与自车位于同一车道且与自车距离大于或小于预设距离范围，则令自车选择其作为前车，加速或减速行驶一定距离以使自车与前车的距离适中，然后在保证安全车距和安全车速的前提下紧跟前车行驶；
场景三：若适合跟随的他车位于自车前方且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同且可以变道时，则令自车选择其作为前车，变道至前车所在车道，接着判断自车与前车的距离，若较近则减速行驶，若较远则加速行驶，若适中则保持，从而使自车与前车的距离适中，然后在保证安全车距和安全车速的前提下紧跟前车行驶；
场景四：若适合跟随的他车位于自车前方且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同但不可以变道或者当该车所在车道与自车所在车道的类型不同时，则令自车放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车；
场景五：若适合跟随的他车位于自车后方且与自车位于同一车道，则令自车减速行驶或者给出其他可以超车的示意信号以便该车超车；若该车在预设时间阈值内超到自车前方且与自车位于同一车道，则按照场景一或场景二的方法进行处理；若该车在预设时间阈值内超到自车前方且与自车位于不同车道，则按照场景三或场景四的方法进行处理；若该车在预设时间阈值内始终不超车，则令自车放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车；
场景六：若可跟随的他车位于自车后方或者与自车平行，且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同且可以变道时，则令自车减速行驶直到处于该车后方，然后按照场景三的方法进行处理；
场景七：若可跟随的他车位于自车后方或者与自车平行，且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同但不可以变道或者当该车所在车道与自车所在车道的类型不同时，则令自车放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车。
优选地，所述博弈决策模块令自车跟随前车行驶并在高交互场景中模仿前车进行博弈的方法包括：
首先采用距离判断法，从其他交通参与者中识别出与前车或自车的距离小于预设距离阈值的交通参与者作为关键目标然后采取如下策略：
策略一：关键目标的预测行进路线与前车的预测行进路线和自车的规划行进路线均无交汇，则无论关键目标属于哪类交通参与者，令自车继续跟随前车行驶并模仿前车驾驶行为；
策略二：关键目标是机动车且其预测行进路线与前车的预测行进路线产生交汇，则关键目标的博弈对象是前车，无论前车博弈成功还是博弈失败，令自车继续跟随前车行驶并模仿前车驾驶行为；
策略三：关键目标是机动车且其预测行进路线与自车的规划行进路线产生交汇，则关键目标的博弈对象是自车，若自车博弈成功，则令自车继续跟随前车行驶，若自车博弈失败，则令自车采取保守驾驶策略，主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随；
策略四：关键目标是非机动车或行人且其预测行进路线与前车的预测行进路线产生交汇，则关键目标的博弈对象是前车，无论前车博弈成功还是博弈失败，令自车继续跟随前车行驶并模仿前车驾驶行为；
策略五：关键目标是非机动车或行人且其预测行进路线与自车的规划行进路线产生交汇，则关键目标的博弈对象是自车，令自车采取保守驾驶策略，只有确认对方先停下或主动避让时才继续跟随前车行驶，其他情况下自车主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随；
自车模仿前车驾驶行为是指自车模仿前车的纵向控制行为和横向控制行为，包括自车模仿前车的速度、加速度和转向；前车与关键目标博弈成功是指前车从关键目标手中争取到路权，无须改变原有的行驶状态；前车与关键目标博弈失败是指前车未能争取到路权，需要停车让关键目标前行或改变方向避让关键目标；自车与属于机动车的关键目标博弈时，先在预设时间内保持原有行驶状态，观察对方反应，若关键目标博弈意图弱、放弃路权，则自车博弈成功，若关键目标博弈意图强、力争路权，则自车博弈失败。
所述博弈决策模块令自车自主行驶并在高交互场景中采取保守策略的方法包括：当自车的规划行进路线与其他交通参与者的预测行进路线产生交汇时，自车只有确认对方先停下或主动避让时才继续跟随前车行驶，其他情况下自车主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随。
优选地，如果在自车跟随前车行驶的过程中，所述系统判断前车的行驶目标发生变化而不再与自车的行驶目标相同时，则令自车放弃跟随该车，然后从周围他车中重新选取一辆与自车行驶目标相同且处于安全车速的他车，作为适合跟随的他车；
令自车跟紧前车行驶时与前车的距离保持在最小允许安全车距，从而保证模仿前车驾驶行为能有效解决高交互场景的决策问题；
令自车紧急制动的响应时间小于相同场景下人类驾驶员的响应时间，从而保证自车的刹车距离不超过安全车距，避免紧急情况下与前车碰撞，增强跟随前车行驶行为的安全性。
与现有技术相比，本发明具有如下的有益效果：本发明通过令自动驾驶车辆模仿前车进行博弈从而提高其对强交互场景的决策处理能力，并且通过一套方法保证这种模仿行为的有效性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本申请实施例所提供高交互场景自动驾驶决策方法的流程图；
图2为本申请实施例中场景一的示意图；
图3为本申请实施例中场景二的示意图；
图4为本申请实施例中场景三的示意图；
图5为本申请实施例中场景四的示意图；
图6为本申请实施例中场景五的示意图；
图7为本申请实施例中场景六的示意图；
图8为本申请实施例中场景七的示意图；
图9为本申请实施例中策略一的示意图；
图10为本申请实施例中策略二的示意图；
图11为本申请实施例中策略三的示意图；
图12为本申请实施例中策略四的示意图；
图13为本申请实施例中策略五的示意图。
其中，1-自车，2-适合跟随的他车，3-前车，4-机动车关键目标，5-非机动车或行人关键目标。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明的一个实施例提供一种模仿前车进行博弈的高交互场景自动驾驶决策方法，如图1所示，包括：
步骤S1：自车获取地图信息和位置信息，并利用传感器实时采集环境数据；
步骤S2：自车根据环境数据获取道路交通信息并识别交通参与者；
步骤S3：自车对周围他车进行分析，判断是否有适合跟随的他车，若有适合跟随的他车，则自车选择其作为前车进行跟随，若无适合跟随的他车，则自车自主行驶；
步骤S4：自车若跟随前车行驶，则在高交互场景中模仿前车进行博弈，以辅助自身决策；自车若自主行驶，则在高交互场景中采取保守策略。
在一个实施例中，所述自车为自动驾驶车辆；所述地图信息包括高精度地图；所述位置信息包括自车在地图中的位置；所述传感器包括相机和激光雷达；所述环境数据为自车周围环境的图像和点云；
所述道路交通信息包括道路、路沿、车道线、信号灯、标志牌、交通设施和障碍物；所述交通参与者包括机动车、非机动车和行人；自车根据周围环境的图像和点云，采用目标检测算法从中提取出关键目标，从而获取道路交通信息并识别出所有交通参与者，确定各交通参与者的类型、大小、位置、方向、速度和加速度。
在一个实施例中，所述高交互场景是指除自车外存在众多其他交通参与者，且其他交通参与者与自车或者前车发生路线冲突的场景；所述路线冲突包括其他交通参与者的预测行进路线与自车的规划行进路线或者前车的预测行进路线在预设时段内的某一时刻将发生交汇；
自车根据其他交通参与者或者前车的位置、方向、速度、加速度和转向信息，得到其预测行进路线；自车根据行驶目标和环境数据进行路径规划和速度规划，得到规划行进路线。
在一个实施例中，自车判断是否有适合跟随的他车的方法包括：
通过传感器实时获取周围他车的位置、速度、加速度和转向灯信息；
分析上述信息并结合高精度地图，得到周围他车的车道信息、方向信息和转向信息，进而判断其行驶目标；
从周围他车中选取一辆与自车行驶目标相同且处于安全车速的他车，作为适合跟随的他车；
所述行驶目标相同包括方向相同和转向选择相同。
在一个实施例中，自车选择适合跟随的他车作为前车进行跟随的方法包括：
场景一：如图2所示，若适合跟随的他车位于自车前方、与自车位于同一车道且与自车距离处于预设距离范围之内，则自车选择其作为前车并在保证安全车距和安全车速的前提下紧跟前车行驶；
所述预设距离范围根据交通法规和自车车速决定，不近不远、距离适中，既为刹车留出安全车距，又不太远而保证跟车效果。在一个实施例中，采用3秒法则，若自车车速为v，单位为km/h，则所述预设距离范围为[v/1.2,v/1.2+5]，单位为米。在另一个实施例中，采用2秒法则，若自车车速为v，单位为km/h，则所述预设距离范围为[v/1.8,v/1.8+5]，单位为米。
场景二：如图3所示，若适合跟随的他车位于自车前方、与自车位于同一车道且与自车距离大于或小于预设距离范围，则自车选择其作为前车，加速或减速行驶一定距离以使自车与前车的距离满足预设条件，然后在保证安全车距和安全车速的前提下紧跟前车行驶；场景三：如图4所示，若适合跟随的他车位于自车前方且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同且可以变道时，则自车选择其作为前车，变道至前车所在车道，接着判断自车与前车的距离，若较近则减速行驶，若较远则加速行驶，若满足预设条件则保持，从而使自车与前车的距离满足预设要求，然后在保证安全车距和安全车速的前提下紧跟前车行驶；
其中，车道的类型包括直行、逆行、左转、右转和禁止通行五种允许通行方式中的一种或两种。当适合跟随的他车所在车道包含两种允许通行方式时，只要其中一种与自车的行驶目标相同，即判断二者车道类型相同。
场景四：如图5所示，若适合跟随的他车位于自车前方且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同但不可以变道或者当该车所在车道与自车所在车道的类型不同时，则放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车；
场景五：如图6所示，若适合跟随的他车位于自车后方且与自车位于同一车道，则自车减速行驶或者给出其他可以超车的示意信号以便该车超车；若该车在预设时间阈值内超到自车前方且与自车位于同一车道，则按照场景一或场景二的方法进行处理；若该车在预设时间阈值内超到自车前方且与自车位于不同车道，则按照场景三或场景四的方法进行处理；若该车在预设时间阈值内始终不超车，则放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车；
在一个实施例中，所述预设时间阈值为3秒。
场景六：如图7所示，若可跟随的他车位于自车后方或者与自车平行，且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同且可以变道时，则自车减速行驶直到处于该车后方，然后按照场景三的方法进行处理；
场景七：如图8所示，若可跟随的他车位于自车后方或者与自车平行，且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同但不可以变道或者当该车所在车道与自车所在车道的类型不同时，则放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车。
在一个实施例中，自车跟随前车行驶并在高交互场景中模仿前车进行博弈的方法包括：
首先采用距离判断法，从其他交通参与者中识别出与前车或自车的距离小于预设距离阈值的交通参与者作为关键目标。在一个实施例中，所述预设距离阈值为10米。在另一个实施例中，所述预设距离阈值针对机动车为20米，针对非机动车或行人为10米。
然后，采取如下策略：
策略一：如图9所示，关键目标的预测行进路线与前车的预测行进路线和自车的规划行进路线均无交汇，则无论关键目标属于哪类交通参与者，自车都继续跟随前车行驶并模仿前车驾驶行为；
策略二：如图10所示，关键目标是机动车且其预测行进路线与前车的预测行进路线产生交汇，则关键目标的博弈对象是前车，无论前车博弈成功还是博弈失败，自车都继续跟随前车行驶并模仿前车驾驶行为；
策略三：如图11所示，关键目标是机动车且其预测行进路线与自车的规划行进路线产生交汇，则关键目标的博弈对象是自车，若自车博弈成功，则自车继续跟随前车行驶，若自车博弈失败，则自车采取保守驾驶策略，主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随；
策略四：如图12所示，关键目标是非机动车或行人且其预测行进路线与前车的预测行进路线产生交汇，则关键目标的博弈对象是前车，无论前车博弈成功还是博弈失败，自车都继续跟随前车行驶并模仿前车驾驶行为；
策略五：如图13所示，关键目标是非机动车或行人且其预测行进路线与自车的规划行进路线产生交汇，则关键目标的博弈对象是自车，自车采取保守驾驶策略，只有确认对方先停下或主动避让时才继续跟随前车行驶，其他情况下自车主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随。
在一个实施例中，自车模仿前车驾驶行为是指自车模仿前车的纵向控制行为和横向控制行为，包括自车模仿前车的速度、加速度和转向；
前车与关键目标博弈成功是指前车从关键目标手中争取到路权，无须改变原有的行驶状态；前车与关键目标博弈失败是指前车未能争取到路权，需要停车让关键目标前行或改变方向避让关键目标；
自车与属于机动车的关键目标博弈时，先在预设时间内保持原有行驶状态，观察对方反应，若关键目标博弈意图弱、放弃路权，则自车博弈成功，若关键目标博弈意图强、力争路权，则自车博弈失败。
在一个实施例中，如果自车在跟随前车行驶的过程中，判断前车的行驶目标发生变化而不再与自车的行驶目标相同时，则自车放弃跟随该车，然后从周围他车中重新选取一辆与自车行驶目标相同且处于安全车速的他车，作为适合跟随的他车；
自车跟紧前车行驶时与前车的距离保持在最小允许安全车距，从而保证模仿前车驾驶行为能有效解决高交互场景的决策问题；
在一个实施例中，采用3秒法则，若自车车速为v，单位为km/h，则所述最小允许安全车距为v/1.2，单位为米；在另一个实施例中，采用2秒法则，若自车车速为v，单位为km/h，则最小允许安全车距为v/1.8，单位为米；
自车紧急制动的响应时间小于相同场景下人类驾驶员的响应时间，从而保证自车的刹车距离不超过安全车距，避免紧急情况下与前车碰撞，增强跟随前车行驶行为的安全性。
在一个实施例中，所述人类驾驶员的响应时间为3秒。在另一个实施例中，所述人类驾驶员的响应时间为2秒。
在一个实施例中，自车自主行驶并在高交互场景中采取保守策略的方法包括：当自车的规划行进路线与其他交通参与者的预测行进路线产生交汇时，自车只有确认对方先停下或主动避让时才继续跟随前车行驶，其他情况下自车主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随。
本发明的一个实施例提供一种模仿前车进行博弈的高交互场景自动驾驶决策系统，包括：
数据获取模块：获取地图信息和位置信息，并利用传感器实时采集环境数据；
信息提取模块：根据环境数据获取道路交通信息并识别交通参与者；
目标识别模块：对周围他车进行分析，判断是否有适合跟随的他车；
前车跟随模块：若有适合跟随的他车，则令自车选择其作为前车进行跟随，若无适合跟随的他车，则令自车自主行驶；
博弈决策模块：若自车跟随前车行驶，则令自车在高交互场景中模仿前车进行博弈，以辅助自身决策；若自车自主行驶，则令自车在高交互场景中采取保守策略。
在一个实施例中，所述系统安装在自车上，所述自车为自动驾驶车辆，所述地图信息包括高精度地图，所述位置信息包括自车在地图中的位置，所述传感器包括相机和激光雷达，所述环境数据为自车周围环境的图像和点云；
所述道路交通信息包括道路、路沿、车道线、信号灯、标志牌、交通设施和障碍物，所述交通参与者包括机动车、非机动车和行人；自车根据周围环境的图像和点云，采用目标检测算法从中提取出关键目标，从而获取道路交通信息并识别出所有交通参与者，确定各交通参与者的类型、大小、位置、方向、速度和加速度；
所述高交互场景是指除自车外存在众多其他交通参与者，且其他交通参与者与自车或者前车发生路线冲突的场景；所述路线冲突包括其他交通参与者的预测行进路线与自车的规划行进路线或者前车的预测行进路线在预设时段内的某一时刻将发生交汇；
根据其他交通参与者或者前车的位置、方向、速度、加速度和转向信息，得到其预测行进路线；根据自车的行驶目标和环境数据进行路径规划和速度规划，得到其规划行进路线。
在一个实施例中，所述目标识别模块判断是否有适合跟随的他车的方法包括：
通过传感器实时获取周围他车的位置、速度、加速度和转向灯信息；
分析上述信息并结合高精度地图，得到周围他车的车道信息、方向信息和转向信息，进而判断其行驶目标；
从周围他车中选取一辆与自车行驶目标相同且处于安全车速的他车，作为适合跟随的他车；
所述行驶目标相同包括方向相同和转向选择相同。
在一个实施例中，所述前车跟随模块令自车选择适合跟随的他车作为前车进行跟随的方法包括：
场景一：如图2所示，若适合跟随的他车位于自车前方、与自车位于同一车道且与自车距离处于预设距离范围之内，则令自车选择其作为前车并在保证安全车距和安全车速的前提下紧跟前车行驶；
所述预设距离范围根据交通法规和自车车速决定，不近不远、距离适中，既为刹车留出安全车距，又不太远而保证跟车效果。在一个实施例中，采用3秒法则，若自车车速为v，单位为km/h，则所述预设距离范围为[v/1.2,v/1.2+5]，单位为米。在另一个实施例中，采用2秒法则，若自车车速为v，单位为km/h，则所述预设距离范围为[v/1.8,v/1.8+5]，单位为米。
场景二：如图3所示，若适合跟随的他车位于自车前方、与自车位于同一车道且与自车距离大于或小于预设距离范围，则令自车选择其作为前车，加速或减速行驶一定距离以使自车与前车的距离适中，然后在保证安全车距和安全车速的前提下紧跟前车行驶；
场景三：如图4所示，若适合跟随的他车位于自车前方且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同且可以变道时，则令自车选择其作为前车，变道至前车所在车道，接着判断自车与前车的距离，若较近则减速行驶，若较远则加速行驶，若适中则保持，从而使自车与前车的距离适中，然后在保证安全车距和安全车速的前提下紧跟前车行驶；
其中，车道的类型包括直行、逆行、左转、右转和禁止通行五种允许通行方式中的一种或两种。当适合跟随的他车所在车道包含两种允许通行方式时，只要其中一种与自车的行驶目标相同，即判断二者车道类型相同。
场景四：如图5所示，若适合跟随的他车位于自车前方且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同但不可以变道或者当该车所在车道与自车所在车道的类型不同时，则令自车放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车；
场景五：如图6所示，若适合跟随的他车位于自车后方且与自车位于同一车道，则令自车减速行驶或者给出其他可以超车的示意信号以便该车超车；若该车在预设时间阈值内超到自车前方且与自车位于同一车道，则按照场景一或场景二的方法进行处理；若该车在预设时间阈值内超到自车前方且与自车位于不同车道，则按照场景三或场景四的方法进行处理；若该车在预设时间阈值内始终不超车，则令自车放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车；
在一个实施例中，所述预设时间阈值为3秒。
场景六：如图7所示，若可跟随的他车位于自车后方或者与自车平行，且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同且可以变道时，则令自车减速行驶直到处于该车后方，然后按照场景三的方法进行处理；
场景七：如图8所示，若可跟随的他车位于自车后方或者与自车平行，且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同但不可以变道或者当该车所在车道与自车所在车道的类型不同时，则令自车放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车。
在一个实施例中，所述博弈决策模块令自车跟随前车行驶并在高交互场景中模仿前车进行博弈的方法包括：
首先采用距离判断法，从其他交通参与者中识别出与前车或自车的距离小于预设距离阈值的交通参与者作为关键目标。在一个实施例中，所述预设距离阈值为10米。在另一个实施例中，所述预设距离阈值针对机动车为20米，针对非机动车或行人为10米。
然后，采取如下策略：
策略一：如图9所示，关键目标的预测行进路线与前车的预测行进路线和自车的规划行进路线均无交汇，则无论关键目标属于哪类交通参与者，令自车继续跟随前车行驶并模仿前车驾驶行为；
策略二：如图10所示，关键目标是机动车且其预测行进路线与前车的预测行进路线产生交汇，则关键目标的博弈对象是前车，无论前车博弈成功还是博弈失败，令自车继续跟随前车行驶并模仿前车驾驶行为；
策略三：如图11所示，关键目标是机动车且其预测行进路线与自车的规划行进路线产生交汇，则关键目标的博弈对象是自车，若自车博弈成功，则令自车继续跟随前车行驶，若自车博弈失败，则令自车采取保守驾驶策略，主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随；
策略四：如图12所示，关键目标是非机动车或行人且其预测行进路线与前车的预测行进路线产生交汇，则关键目标的博弈对象是前车，无论前车博弈成功还是博弈失败，令自车继续跟随前车行驶并模仿前车驾驶行为；
策略五：如图13所示，关键目标是非机动车或行人且其预测行进路线与自车的规划行进路线产生交汇，则关键目标的博弈对象是自车，令自车采取保守驾驶策略，只有确认对方先停下或主动避让时才继续跟随前车行驶，其他情况下自车主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随；
自车模仿前车驾驶行为是指自车模仿前车的纵向控制行为和横向控制行为，包括自车模仿前车的速度、加速度和转向；前车与关键目标博弈成功是指前车从关键目标手中争取到路权，无须改变原有的行驶状态；前车与关键目标博弈失败是指前车未能争取到路权，需要停车让关键目标前行或改变方向避让关键目标；自车与属于机动车的关键目标博弈时，先在预设时间内保持原有行驶状态，观察对方反应，若关键目标博弈意图弱、放弃路权，则自车博弈成功，若关键目标博弈意图强、力争路权，则自车博弈失败。
所述博弈决策模块令自车自主行驶并在高交互场景中采取保守策略的方法包括：当自车的规划行进路线与其他交通参与者的预测行进路线产生交汇时，自车只有确认对方先停下或主动避让时才继续跟随前车行驶，其他情况下自车主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随。
在一个实施例中，如果在自车跟随前车行驶的过程中，所述系统判断前车的行驶目标发生变化而不再与自车的行驶目标相同时，则令自车放弃跟随该车，然后从周围他车中重新选取一辆与自车行驶目标相同且处于安全车速的他车，作为适合跟随的他车；
令自车跟紧前车行驶时与前车的距离保持在最小允许安全车距，从而保证模仿前车驾驶行为能有效解决高交互场景的决策问题；
在一个实施例中，采用3秒法则，若自车车速为v，单位为km/h，则所述最小允许安全车距为v/1.2，单位为米。在另一个实施例中，采用2秒法则，若自车车速为v，单位为km/h，则最小允许安全车距为v/1.8，单位为米。
令自车紧急制动的响应时间小于相同场景下人类驾驶员的响应时间，从而保证自车的刹车距离不超过安全车距，避免紧急情况下与前车碰撞，增强跟随前车行驶行为的安全性。
在一个实施例中，所述人类驾驶员的响应时间为3秒。在另一个实施例中，所述人类驾驶员的响应时间为2秒。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (15)
1.一种模仿前车进行博弈的高交互场景自动驾驶决策方法，其特征在于，包括：
步骤S1：自车获取地图信息和位置信息，并利用传感器实时采集环境数据；
步骤S2：自车根据环境数据获取道路交通信息并识别交通参与者；
步骤S3：自车对周围他车进行分析，判断是否有适合跟随的他车，若有适合跟随的他车，则自车选择其作为前车进行跟随，若无适合跟随的他车，则自车自主行驶；
步骤S4：自车若跟随前车行驶，则在高交互场景中模仿前车进行博弈，以辅助自身决策；自车若自主行驶，则在高交互场景中采取保守策略。
2.根据权利要求1所述的模仿前车进行博弈的高交互场景自动驾驶决策方法，其特征在于，所述自车为自动驾驶车辆；所述地图信息包括高精度地图；所述位置信息包括自车在地图中的位置；所述传感器包括相机和激光雷达；所述环境数据为自车周围环境的图像和点云；
所述道路交通信息包括道路、路沿、车道线、信号灯、标志牌、交通设施和障碍物；所述交通参与者包括机动车、非机动车和行人；自车根据周围环境的图像和点云，采用目标检测算法从中提取出关键目标，从而获取道路交通信息并识别出所有交通参与者，确定各交通参与者的类型、大小、位置、方向、速度和加速度。
3.根据权利要求1所述的模仿前车进行博弈的高交互场景自动驾驶决策方法，其特征在于，所述高交互场景是指除自车外存在众多其他交通参与者，且其他交通参与者与自车或者前车发生路线冲突的场景；所述路线冲突包括其他交通参与者的预测行进路线与自车的规划行进路线或者前车的预测行进路线在预设时段内的某一时刻将发生交汇；
自车根据其他交通参与者或者前车的位置、方向、速度、加速度和转向信息，得到其预测行进路线；自车根据行驶目标和环境数据进行路径规划和速度规划，得到规划行进路线。
4.根据权利要求1所述的模仿前车进行博弈的高交互场景自动驾驶决策方法，其特征在于，自车判断是否有适合跟随的他车的方法包括：
通过传感器实时获取周围他车的位置、速度、加速度和转向灯信息；
分析上述信息并结合高精度地图，得到周围他车的车道信息、方向信息和转向信息，进而判断其行驶目标；
从周围他车中选取一辆与自车行驶目标相同且处于安全车速的他车，作为适合跟随的他车；
所述行驶目标相同包括方向相同和转向选择相同。
5.根据权利要求1所述的模仿前车进行博弈的高交互场景自动驾驶决策方法，其特征在于，自车选择适合跟随的他车作为前车进行跟随的方法包括：
场景一：若适合跟随的他车位于自车前方、与自车位于同一车道且与自车距离处于预设距离范围之内，则自车选择其作为前车并在保证安全车距和安全车速的前提下紧跟前车行驶；
场景二：若适合跟随的他车位于自车前方、与自车位于同一车道且与自车距离大于或小于预设距离范围，则自车选择其作为前车，加速或减速行驶一定距离以使自车与前车的距离满足预设条件，然后在保证安全车距和安全车速的前提下紧跟前车行驶；
场景三：若适合跟随的他车位于自车前方且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同且可以变道时，则自车选择其作为前车，变道至前车所在车道，接着判断自车与前车的距离，若较近则减速行驶，若较远则加速行驶，若满足预设条件则保持，从而使自车与前车的距离满足预设要求，然后在保证安全车距和安全车速的前提下紧跟前车行驶；
场景四：若适合跟随的他车位于自车前方且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同但不可以变道或者当该车所在车道与自车所在车道的类型不同时，则放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车；
场景五：若适合跟随的他车位于自车后方且与自车位于同一车道，则自车减速行驶或者给出其他可以超车的示意信号以便该车超车；若该车在预设时间阈值内超到自车前方且与自车位于同一车道，则按照场景一或场景二的方法进行处理；若该车在预设时间阈值内超到自车前方且与自车位于不同车道，则按照场景三或场景四的方法进行处理；若该车在预设时间阈值内始终不超车，则放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车；
场景六：若可跟随的他车位于自车后方或者与自车平行，且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同且可以变道时，则自车减速行驶直到处于该车后方，然后按照场景三的方法进行处理；
场景七：若可跟随的他车位于自车后方或者与自车平行，且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同但不可以变道或者当该车所在车道与自车所在车道的类型不同时，则放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车。
6.根据权利要求1所述的模仿前车进行博弈的高交互场景自动驾驶决策方法，其特征在于，自车跟随前车行驶并在高交互场景中模仿前车进行博弈的方法包括：
首先采用距离判断法，从其他交通参与者中识别出与前车或自车的距离小于预设距离阈值的交通参与者作为关键目标，然后采取如下策略：
策略一：关键目标的预测行进路线与前车的预测行进路线和自车的规划行进路线均无交汇，则无论关键目标属于哪类交通参与者，自车都继续跟随前车行驶并模仿前车驾驶行为；
策略二：关键目标是机动车且其预测行进路线与前车的预测行进路线产生交汇，则关键目标的博弈对象是前车，无论前车博弈成功还是博弈失败，自车都继续跟随前车行驶并模仿前车驾驶行为；
策略三：关键目标是机动车且其预测行进路线与自车的规划行进路线产生交汇，则关键目标的博弈对象是自车，若自车博弈成功，则自车继续跟随前车行驶，若自车博弈失败，则自车采取保守驾驶策略，主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随；
策略四：关键目标是非机动车或行人且其预测行进路线与前车的预测行进路线产生交汇，则关键目标的博弈对象是前车，无论前车博弈成功还是博弈失败，自车都继续跟随前车行驶并模仿前车驾驶行为；
策略五：关键目标是非机动车或行人且其预测行进路线与自车的规划行进路线产生交汇，则关键目标的博弈对象是自车，自车采取保守驾驶策略，只有确认对方先停下或主动避让时才继续跟随前车行驶，其他情况下自车主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随。
7.根据权利要求6所述的模仿前车进行博弈的高交互场景自动驾驶决策方法，其特征在于，自车模仿前车驾驶行为是指自车模仿前车的纵向控制行为和横向控制行为，包括自车模仿前车的速度、加速度和转向；
前车与关键目标博弈成功是指前车从关键目标手中争取到路权，无须改变原有的行驶状态；前车与关键目标博弈失败是指前车未能争取到路权，需要停车让关键目标前行或改变方向避让关键目标；
自车与属于机动车的关键目标博弈时，先在预设时间内保持原有行驶状态，观察对方反应，若关键目标博弈意图弱、放弃路权，则自车博弈成功，若关键目标博弈意图强、力争路权，则自车博弈失败。
8.根据权利要求4-7任一所述的模仿前车进行博弈的高交互场景自动驾驶决策方法，其特征在于，如果自车在跟随前车行驶的过程中，判断前车的行驶目标发生变化而不再与自车的行驶目标相同时，则自车放弃跟随该车，然后从周围他车中重新选取一辆与自车行驶目标相同且处于安全车速的他车，作为适合跟随的他车；
自车跟紧前车行驶时与前车的距离保持在最小允许安全车距，从而保证模仿前车驾驶行为能有效解决高交互场景的决策问题；
自车紧急制动的响应时间小于相同场景下人类驾驶员的响应时间，从而保证自车的刹车距离不超过安全车距，避免紧急情况下与前车碰撞，增强跟随前车行驶行为的安全性。
9.根据权利要求1所述的模仿前车进行博弈的高交互场景自动驾驶决策方法，其特征在于，自车自主行驶并在高交互场景中采取保守策略的方法包括：当自车的规划行进路线与其他交通参与者的预测行进路线产生交汇时，自车只有确认对方先停下或主动避让时才继续跟随前车行驶，其他情况下自车主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随。
10.一种模仿前车进行博弈的高交互场景自动驾驶决策系统，其特征在于，包括：
数据获取模块：获取地图信息和位置信息，并利用传感器实时采集环境数据；
信息提取模块：根据环境数据获取道路交通信息并识别交通参与者；
目标识别模块：对周围他车进行分析，判断是否有适合跟随的他车；
前车跟随模块：若有适合跟随的他车，则令自车选择其作为前车进行跟随，若无适合跟随的他车，则令自车自主行驶；
博弈决策模块：若自车跟随前车行驶，则令自车在高交互场景中模仿前车进行博弈，以辅助自身决策；若自车自主行驶，则令自车在高交互场景中采取保守策略。
11.根据权利要求10所述的模仿前车进行博弈的高交互场景自动驾驶决策系统，其特征在于，所述系统安装在自车上，所述自车为自动驾驶车辆，所述地图信息包括高精度地图，所述位置信息包括自车在地图中的位置，所述传感器包括相机和激光雷达，所述环境数据为自车周围环境的图像和点云；
所述道路交通信息包括道路、路沿、车道线、信号灯、标志牌、交通设施和障碍物，所述交通参与者包括机动车、非机动车和行人；自车根据周围环境的图像和点云，采用目标检测算法从中提取出关键目标，从而获取道路交通信息并识别出所有交通参与者，确定各交通参与者的类型、大小、位置、方向、速度和加速度；
所述高交互场景是指除自车外存在众多其他交通参与者，且其他交通参与者与自车或者前车发生路线冲突的场景；所述路线冲突包括其他交通参与者的预测行进路线与自车的规划行进路线或者前车的预测行进路线在预设时段内的某一时刻将发生交汇；
根据其他交通参与者或者前车的位置、方向、速度、加速度和转向信息，得到其预测行进路线；根据自车的行驶目标和环境数据进行路径规划和速度规划，得到其规划行进路线。
12.根据权利要求10所述的模仿前车进行博弈的高交互场景自动驾驶决策系统，其特征在于，所述目标识别模块判断是否有适合跟随的他车的方法包括：
通过传感器实时获取周围他车的位置、速度、加速度和转向灯信息；
分析上述信息并结合高精度地图，得到周围他车的车道信息、方向信息和转向信息，进而判断其行驶目标；
从周围他车中选取一辆与自车行驶目标相同且处于安全车速的他车，作为适合跟随的他车；
所述行驶目标相同包括方向相同和转向选择相同。
13.根据权利要求10所述的模仿前车进行博弈的高交互场景自动驾驶决策系统，其特征在于，所述前车跟随模块令自车选择适合跟随的他车作为前车进行跟随的方法包括：
场景一：若适合跟随的他车位于自车前方、与自车位于同一车道且与自车距离处于预设距离范围之内，则令自车选择其作为前车并在保证安全车距和安全车速的前提下紧跟前车行驶；
场景二：若适合跟随的他车位于自车前方、与自车位于同一车道且与自车距离大于或小于预设距离范围，则令自车选择其作为前车，加速或减速行驶一定距离以使自车与前车的距离满足预设要求，然后在保证安全车距和安全车速的前提下紧跟前车行驶；
场景三：若适合跟随的他车位于自车前方且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同且可以变道时，则令自车选择其作为前车，变道至前车所在车道，接着判断自车与前车的距离，若较近则减速行驶，若较远则加速行驶，若满足预设要求则保持，从而使自车与前车的距离满足预设要求，然后在保证安全车距和安全车速的前提下紧跟前车行驶；
场景四：若适合跟随的他车位于自车前方且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同但不可以变道或者当该车所在车道与自车所在车道的类型不同时，则令自车放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车；
场景五：若适合跟随的他车位于自车后方且与自车位于同一车道，则令自车减速行驶或者给出其他可以超车的示意信号以便该车超车；若该车在预设时间阈值内超到自车前方且与自车位于同一车道，则按照场景一或场景二的方法进行处理；若该车在预设时间阈值内超到自车前方且与自车位于不同车道，则按照场景三或场景四的方法进行处理；若该车在预设时间阈值内始终不超车，则令自车放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车；
场景六：若可跟随的他车位于自车后方或者与自车平行，且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同且可以变道时，则令自车减速行驶直到处于该车后方，然后按照场景三的方法进行处理；
场景七：若可跟随的他车位于自车后方或者与自车平行，且与自车位于不同车道，当该车所在车道与自车所在车道的类型相同但不可以变道或者当该车所在车道与自车所在车道的类型不同时，则令自车放弃将该车选为前车，从周围其他车辆中继续寻找可跟随的他车。
14.根据权利要求10所述的模仿前车进行博弈的高交互场景自动驾驶决策系统，其特征在于，所述博弈决策模块令自车跟随前车行驶并在高交互场景中模仿前车进行博弈的方法包括：
首先采用距离判断法，从其他交通参与者中识别出与前车或自车的距离小于预设距离阈值的交通参与者作为关键目标，然后采取如下策略：
策略一：关键目标的预测行进路线与前车的预测行进路线和自车的规划行进路线均无交汇，则无论关键目标属于哪类交通参与者，令自车继续跟随前车行驶并模仿前车驾驶行为；
策略二：关键目标是机动车且其预测行进路线与前车的预测行进路线产生交汇，则关键目标的博弈对象是前车，无论前车博弈成功还是博弈失败，令自车继续跟随前车行驶并模仿前车驾驶行为；
策略三：关键目标是机动车且其预测行进路线与自车的规划行进路线产生交汇，则关键目标的博弈对象是自车，若自车博弈成功，则令自车继续跟随前车行驶，若自车博弈失败，则令自车采取保守驾驶策略，主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随；
策略四：关键目标是非机动车或行人且其预测行进路线与前车的预测行进路线产生交汇，则关键目标的博弈对象是前车，无论前车博弈成功还是博弈失败，令自车继续跟随前车行驶并模仿前车驾驶行为；
策略五：关键目标是非机动车或行人且其预测行进路线与自车的规划行进路线产生交汇，则关键目标的博弈对象是自车，令自车采取保守驾驶策略，只有确认对方先停下或主动避让时才继续跟随前车行驶，其他情况下自车主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随；
自车模仿前车驾驶行为是指自车模仿前车的纵向控制行为和横向控制行为，包括自车模仿前车的速度、加速度和转向；前车与关键目标博弈成功是指前车从关键目标手中争取到路权，无须改变原有的行驶状态；前车与关键目标博弈失败是指前车未能争取到路权，需要停车让关键目标前行或改变方向避让关键目标；自车与属于机动车的关键目标博弈时，先在预设时间内保持原有行驶状态，观察对方反应，若关键目标博弈意图弱、放弃路权，则自车博弈成功，若关键目标博弈意图强、力争路权，则自车博弈失败。
所述博弈决策模块令自车自主行驶并在高交互场景中采取保守策略的方法包括：当自车的规划行进路线与其他交通参与者的预测行进路线产生交汇时，自车只有确认对方先停下或主动避让时才继续跟随前车行驶，其他情况下自车主动放弃博弈，放弃跟随前车，然后在博弈结束后重新选取前车进行跟随。
15.根据权利要求12-14任一所述的模仿前车进行博弈的高交互场景自动驾驶决策方法，其特征在于，如果在自车跟随前车行驶的过程中，所述系统判断前车的行驶目标发生变化而不再与自车的行驶目标相同时，则令自车放弃跟随该车，然后从周围他车中重新选取一辆与自车行驶目标相同且处于安全车速的他车，作为适合跟随的他车；
令自车跟紧前车行驶时与前车的距离保持在最小允许安全车距，从而保证模仿前车驾驶行为能有效解决高交互场景的决策问题；
令自车紧急制动的响应时间小于相同场景下人类驾驶员的响应时间，从而保证自车的刹车距离不超过安全车距，避免紧急情况下与前车碰撞，增强跟随前车行驶行为的安全性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211398202.7A CN115743172A (zh) | 2022-11-09 | 2022-11-09 | 模仿前车进行博弈的高交互场景自动驾驶决策方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211398202.7A CN115743172A (zh) | 2022-11-09 | 2022-11-09 | 模仿前车进行博弈的高交互场景自动驾驶决策方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115743172A true CN115743172A (zh) | 2023-03-07 |
Family
ID=85368547
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211398202.7A Pending CN115743172A (zh) | 2022-11-09 | 2022-11-09 | 模仿前车进行博弈的高交互场景自动驾驶决策方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115743172A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117246333A (zh) * | 2023-11-16 | 2023-12-19 | 北京航空航天大学 | 一种基于近场预知信息的车辆驱制动需求预测方法 |
-
2022
- 2022-11-09 CN CN202211398202.7A patent/CN115743172A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117246333A (zh) * | 2023-11-16 | 2023-12-19 | 北京航空航天大学 | 一种基于近场预知信息的车辆驱制动需求预测方法 |
| CN117246333B (zh) * | 2023-11-16 | 2024-01-16 | 北京航空航天大学 | 一种基于近场预知信息的车辆驱制动需求预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108549366B (zh) | 智能汽车道路行驶与虚拟测试平行映射实验方法 | |
| CN106338988B (zh) | 自动驾驶车辆的控制装置 | |
| CN103158705B (zh) | 用于控制本车的方法和系统 | |
| CN111497864A (zh) | 利用v2x应用程序向人传递当前驾驶意图信号的方法及装置 | |
| CN111583711B (zh) | 行为控制方法和行为控制设备 | |
| CN110036426B (zh) | 控制装置和控制方法 | |
| CN110447057B (zh) | 车辆控制装置 | |
| JP2019069640A (ja) | 車両制御装置 | |
| CN111868641A (zh) | 用于产生用于训练车辆控制设备的人工智能模块的训练数据组的方法 | |
| WO2021054051A1 (ja) | 電子制御装置 | |
| CN109017769A (zh) | 车外报告装置 | |
| CN109664878B (zh) | 车辆控制装置 | |
| US20220153266A1 (en) | Vehicle adaptive cruise control system, method and computer readable medium for implementing the method | |
| CN112141114A (zh) | 窄道通行辅助系统及方法 | |
| JP7064357B2 (ja) | 車両制御装置 | |
| CN115743172A (zh) | 模仿前车进行博弈的高交互场景自动驾驶决策方法及系统 | |
| CN114834486A (zh) | 一种规划车辆掉头路径的方法、装置及设备 | |
| Gonzalo et al. | Testing predictive automated driving systems: Lessons learned and future recommendations | |
| Gómez–Huélamo et al. | Smartmot: Exploiting the fusion of hdmaps and multi-object tracking for real-time scene understanding in intelligent vehicles applications | |
| WO2021166449A1 (ja) | 車両行動評価装置、車両行動評価方法、および車両行動評価プログラム | |
| CN116524721A (zh) | 车辆路口决策方法、装置、设备及存储介质 | |
| CN113254336B (zh) | 自动驾驶汽车交通法规符合性仿真测试方法及系统 | |
| WO2022246853A1 (zh) | 一种车辆系统的安全测试方法和测试用车辆 | |
| WO2021166448A1 (ja) | 車両行動生成装置、車両行動生成方法、および車両行動生成プログラム | |
| Yoshihira et al. | Developing an autonomous vehicle control system for intersections using obstacle/blind spot detection frames |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |