[发明专利]一种基于隐马尔科夫模型的无人车路口驾驶决策方法

说明书

技术领域

本发明涉及一种基于隐马尔科夫模型的无人车路口驾驶决策方法。尤其是通过十字路口时的决策方法。

背景技术

无人车路口驾驶决策方法是指无人驾驶车辆自动驾驶时的决策方法，本发明主要考虑无人车通过十字路口时的决策方法。其中人类驾驶车辆的意图是影响无人车驾驶决策的重要因素。将人类驾驶车辆的意图和行为纳入到自动驾驶车辆的决策制定系统以及生成合适的动作来确保自动驾驶车辆的行驶安全和效率是非常重要的。

隐马尔科夫决策过程可以利用车辆的历史数据预测驾驶者的意图。所以本发明提出了一种基于隐马尔科夫模型的无人车路口驾驶决策方法。

发明内容

本发明提供了一种基于隐马尔科夫模型的无人车路口驾驶决策方法。首先根据车辆的历史数据训练出驾驶者意图对应的隐马尔科夫模型。然后在通过十字路口的过程中读取当前十字路口下其他车辆的状态，结合无人车本身的状态求出最佳策略，执行策略并进入下个时刻。这个过程不停迭代，直至车辆通过十字路口。

一种基于隐马尔科夫模型的无人车路口驾驶决策方法。其特征在于包括如下步骤。

1)准备阶段

a)获取驾驶车辆的历史观察数据，生成车辆的历史数据文档

b)结束准备阶段

2)训练阶段

a)构建基于HMM的意图预测过程

b)解析步骤1-a)中的车辆历史数据文档，根据所有车辆的历史数据，生成所有车辆的状态数据序列，例如加速度序列。

c)训练出车辆的意图对应的HMM模型参数

d)结束训练阶段

3)决策阶段

a)获取当前时刻自动驾驶车辆的状态(s，v，a)，其中s表示车辆到路中心的距离，v表示速度，a表示加速度。

b)获取当前时刻十字路口下有人驾驶车辆的状态(s_i，v_i，a_i)，i∈{1，2，…，m}，m为其他车辆的总数。

c)基于未来n个时间段的视野，每个时间段选择三种决策之一(加速，减速，匀速)，分析所有可能的情况。

d)分析所有的情况，对每一种情况计算预期收益，并选择预期收益最大的情况的第一个时间段的决策作为车辆应该采取的策略

e)执行策略并进入下一个时刻

f)重复3-a)至3-e)直到车辆通过十字路口。

g)结束决策阶段

其中步骤2-a)所述的HMM模型包含：

1)隐含状态集I：

本发明中用驾驶者的意图I作为隐含状态集，即I＝{I₀，I₁。分别表示有人驾驶车辆的驾驶者意图为对自动驾驶车辆让行或者不让行。

2)可观测的标志状态集O：

因为本发明中将时间划分成了相等的离散的时间片，每一个时间片采取一个动作，由于时间片非常短，所以假设在一个时间片内加速度不变，本发明中定义加速度集合O为可观测的状态集，即O＝{a₀，a₁，a₂}，分别表示加速，匀速和减速。

3)初始状态概率分布π：

即初始的驾驶者意图状态的概率分布。

4)转移矩阵A：

本发明中转移矩阵A表示隐含状态I的状态转移矩阵。

5)混淆矩阵B

在现实场景，由于让行和不让行的意图对驾驶动作都没有精确的映射，又由于驾驶失误或者路况原因，车辆表现出的动作不一定与驾驶者的意图相一致，所以对于每一个意图I都有不确定的动作分布。即让行意图下或者不让行的意图下，都有三个动作的发射概率。

其中步骤2-c)的训练过程

1)1初始化HMM模型.λ⁰＝(π，A，B)，π为初始状态概率分布，A为隐含状态的转移矩阵，B为混淆矩阵。

a)π＝[0.20.8]

2)将该车辆的加速度序列作为标志状态序列。O＝[o₁，o₂，…，o_n]

3)计算后向变量α_t(i)，β_t(i)，参数为λ时标志状态序列的概率P(O|λ)，

a)α_t(i)＝P(O₁O₂…O_t，q_t＝I_i|λ)