[发明专利]无人车的驾驶决策方法、装置及无人车

权利要求书

1.一种无人车的驾驶决策方法，包括：

确定目标无人车和所述目标无人车周围的交通参与者之间的当前状态信息；

基于所述当前状态信息，模拟推演所述目标无人车和所述交通参与者之间的交互过程，得到合作博弈树；

根据所述合作博弈树，确定所述目标无人车的决策指令。

2.根据权利要求1所述的方法，其中，所述基于所述当前状态信息，模拟推演所述目标无人车和所述交通参与者之间的交互过程，得到合作博弈树，包括：

基于所述当前状态信息，对所述目标无人车的运行信息和所述交通参与者的运行信息进行蒙特卡洛采样，以模拟推演所述目标无人车和所述交通参与者之间的交互过程，得到所述合作博弈树。

3.根据权利要求2所述的方法，其中，所述基于所述当前状态信息，对所述目标无人车的运行信息和所述交通参与者的运行信息进行蒙特卡洛采样，以模拟推演所述目标无人车和所述交通参与者之间的交互过程，得到所述合作博弈树，包括：

基于所述当前状态信息，采用置信区间上界算法，对所述目标无人车的运行信息和所述交通参与者的运行信息进行蒙特卡洛采样，以模拟推演所述目标无人车和所述交通参与者之间的交互过程，得到所述合作博弈树。

4.根据权利要求3所述的方法，其中，所述基于所述当前状态信息，采用置信区间上界算法，对所述目标无人车的运行信息和所述交通参与者的运行信息进行蒙特卡洛采样，以模拟推演所述目标无人车和所述交通参与者之间的交互过程，得到所述合作博弈树，包括：

以所述当前状态信息为所述合作博弈树中的根结点，从所述根结点的子结点开始，循环执行如下结点扩展操作，以得到所述合作博弈树：

响应于确定当前结点是叶子结点，且已经推演过所述目标无人车和所述交通参与者之间，始于当前结点所表征的状态信息，止于预设结束状态信息的交替运行过程，在当前结点所表征的状态信息的基础上，根据所述目标无人车和所述交通参与者之间的多种交互操作，得到当前结点的子结点，其中，子结点表征父结点所对应的状态信息预设时间步长后的更新后状态信息；

将当前结点的子结点添加至所述合作博弈树；

将当前结点的子结点中的第一目标子结点，确定为下一次结点扩展操作的当前结点。

5.根据权利要求4所述的方法，其中，所述结点扩展操作还包括：

响应于确定当前结点不是叶子结点，根据当前结点的子结点的置信区间上界值，从当前结点的子结点中确定出第二目标子结点，作为下一次结点扩展操作的当前结点。

6.根据权利要求4所述的方法，其中，所述结点扩展操作还包括：

响应于确定当前结点是叶子结点，且当前结点未被推演过，推演所述目标无人车和所述交通参与者之间，始于当前结点所表征的状态信息，止于所述预设结束状态信息的交替运行过程；

根据所述交替运行过程，更新当前结点对应的推演路径上的结点的置信区间上界值，其中，所述推演路径表征基于当前结点向上追溯父结点，直至追溯到根结点的子结点而得到的路径信息。

7.根据权利要求1-6中任一项所述的方法，其中，所述根据所述合作博弈树，确定所述目标无人车的决策指令，包括：

根据所述合作博弈树中各结点对应的状态信息和推演路径，确定各结点对应的效用信息；

根据各结点对应的效用信息，确定所述目标无人车的决策指令。

8.根据权利要求7所述的方法，其中，所述根据各结点对应的效用信息，确定所述目标无人车的决策指令，包括：

根据各结点对应的效用信息和推演路径，确定所述合作博弈树中，表征所述目标无人车在当前状态信息下的决策动作的结点的期望效用；

根据所述期望效用，确定所述目标无人车的决策指令。