[发明专利]一种面向高度自动驾驶的人机决策逻辑在线优化方法

说明书

本发明公开了一种面向高度自动驾驶的人机决策逻辑在线优化方法，其方法为：第一步、人机混合增强决策数据库在线优化；第二步、人机混合增强决策模型在线优化；第三步、人机混合增强决策预测模型在线优化；有益效果：提高了人机混合增强决策结果的可信性与人机共驾车辆行驶的安全性。最大限度的对人机混合增强决策数据库进行了完善，充分发挥了车辆网信息共享的优势。最大限度的对人机混合增强决策模型进行了完善，充分发挥了车辆网信息共享的优势。极大地提高了对人机共驾车辆未来状态的预测效果，保证了人机共驾车辆行驶的安全性。

技术领域

本发明涉及一种人机决策逻辑在线优化方法，具体涉及一种面向高度自动驾驶的人机决策逻辑在线优化方法。

背景技术

目前，由于完全自动驾驶的技术局限性和其所面临的社会困境，加之民众接受度较低，人机共驾将成为未来社会长期存在的一种智能驾驶形式。深入的人机一致性协同机理分析是人机共驾的理论基础，受“人驾”属性和“机驾”决策逻辑影响，基于高度人机一致性决策的安全可信的人机协同共驾研究是未来智能交通系统的技术核心之一。目前人机共驾系统决策层主要基于数据训练的方式实现混合决策过程及人机驾驶权仲裁逻辑，基于第2、3代人工智能理论的数据训练算法普遍存在不可解释且不可释义的弊端，同时由于在线决策故障存在安全隐患且决策算法自学习能力弱限制了车辆对场景的适应性，上述系统缺陷共同对人机混合决策过程及输出结果的可信性提出了挑战。因此，需要建立一种面向高度自动驾驶的人机决策逻辑在线优化方法，在线优化人机混合增强决策数据库、人机混合增强决策模型以及人机混合增强决策预测模型，保证决策结果的安全性与可信性。

面向高度自动驾驶的人机决策逻辑在线优化具备以下几个特点。首先，实时性要求高。真实道路行驶环境具有高复杂度、高动态性变化的特点，当出现人机混合增强决策数据库中不存在的驾驶情境或驾驶场景时，人机混合增强决策模型应能够在极短的时间内快速输出安全合理的决策结果，因此人机决策逻辑在线优化模型需具备很强的实时性，确保人机共驾车辆行驶安全性；其次，模型复杂度高。人机决策逻辑在线优化需考虑多方面因素，对有关人机混合增强决策的多个模块进行优化，如人机混合增强决策数据库、人机混合增强决策模型以及人机混合增强决策预测模型等，因此人机决策逻辑在线优化模型具有较高的复杂度。最后，对设备的算力、存储能力以及网络的传输能力要求高。由于人机决策逻辑在线优化具有较高的实时性要求和模型复杂度，因此相关设备的算力、存储能力以及网络的传输能力应足够强大以满足在线优化的要求。

目前国内外团队已经探索了模型优化的相关方法，但是现有的技术仍存在一定不足。首先，在高度自动驾驶领域关于人机决策逻辑优化的技术较少，大部分研究聚焦在人机混合决策模型的建立上，缺乏对决策模型的可信性评价与优化方法的研究；其次，关于人机决策逻辑在线优化的技术较少，交通系统不同于其他系统，具有高度的非线性动态特性，对安全性要求极为苛刻，这要求优化模型必须在线且具有高度的实时性；最后，关于人机混合增强决策的优化模型较为简单，缺乏体系化，目前人机混合增强决策模型已经融入了深度学习、强化学习等人工智能领域的机器学习算法，但优化模型还依旧停留在根据测试结果调整决策方法以及决策模型参数的层面，无法满足在线与实时性的要求，而且缺乏一套完整的人机决策逻辑在线优化体系。