[发明专利]一种基于高斯过程回归的保守车辆行为泛化模拟方法

说明书

本发明公开了基于高斯过程回归的保守车辆行为泛化模拟方法，其步骤包括：进行基于模拟驾驶器的驾驶员在环实时仿真试验并采集试验数据；随机分类试验数据，得到建模数据库和测试数据库；以前车车距、后车车距、车道中线半径为输入变量，以纵向车速、方向盘转角为输出变量，进行高斯过程回归建模，得到保守车辆行为泛化模型；模型测试；使用保守车辆行为泛化模型进行保守车辆行为泛化。本方法数据采集便捷、建模速度快，有利于保守车辆行为的高可信度泛化，提高仿真系统中随机车辆行为可信度，一定程度上克服了当前技术的缺陷。

技术领域

本发明涉及自动驾驶仿真技术领域，特别涉及一种基于高斯过程回归的保守车辆行为泛化模拟方法。

背景技术

在辅助驾驶和无人驾驶技术飞速发展的今天，各国都有一定数量的高科技企业进行关于辅助驾驶算法和无人驾驶算法的开发，然而，由于现实试验条件的约束，算法开发人员不得不借助仿真软件进行算法可行性验证。对于一个高品质的自动驾驶仿真软件，高可信度的随机车流是必不可少的。然而，由于驾驶员的行驶风格和环境变化都会对驾驶员的决策造成很大影响。在各种车辆行为中，保守车辆行为的建模较为简单，即不倾向于进行极端动作，如急刹车、换道或超速行驶。然而，目前还没有公认的可以广泛应用的保守车辆泛化建模方法，无法满足自动驾驶算法和无人驾驶算法测试的需求。

发明内容

本发明的主要目的在于提供一种高可信度的保守车辆行为泛化模拟方法，以解决现有技术的问题。

为了达到上述目的，本发明提供一种基于高斯过程回归的保守车辆行为泛化模拟方法，其特征在于，包括以下步骤：

进行基于模拟驾驶器的驾驶员在环实时仿真试验并采集试验数据，试验时驾驶员以保守风格驾驶车辆，采集的试验数据包括前车车距、后车车距、车道中线半径、纵向车速、方向盘转角；

随机分类试验数据，得到建模数据库和测试数据库；

抽取建模数据库中的数据点，以前车车距、后车车距、车道中线半径为输入变量，以纵向车速、方向盘转角为输出变量，进行高斯过程回归建模，得到保守车辆行为泛化模型；

使用测试数据对模型进行测试；

将测试合格的保守车辆行为泛化模型应用于自动驾驶仿真系统中，进行保守车辆行为泛化。

优选地，模拟仿真试验中，虚拟试验环境的道路采用1:1城市道路仿真模型，且包含随机交通路况；试验累积路程至少10km。

优选地，驾驶员以保守风格驾驶车辆的定义为：城市路况下，非必要换道频率低于2次/km；平均时速低于40km/h；最高时速低于50km/h；高速路况下，非必要换道频率低于1次/km；平均时速低于80km/h；最高车速低于100km/h；其中，非必要换道指不是以转弯或避障为目的的换道行为。

优选地，试验完成后，将试验数据按照8:2比例随机分为建模数据库和测试数据库。

优选地，进行高斯过程回归建模时，使用建模数据库中随机抽取N个数据点建立基于高斯过程回归的保守车辆行为泛化模型，其中N小于建模数据库的数据点总数。

进一步优选地，当使用测试数据对模型进行测试时，若根据模型计算的车速预测MSE值小于1.5，且方向盘转角预测MSE值小于0.8则建模成功，否则增大N值，重新抽取数据点训练模型。

优选地，使用保守车辆行为泛化模型进行保守车辆行为泛化的步骤包括：

1)将泛化所得保守车辆置于随机车流中时，检测前车车距和后车车距；

2)根据模型计算得到目标车速和目标方向盘转角值；

3)使用PID控制器控制泛化所得保守车辆的车速和方向盘转角值，从而模拟保守车辆行为。