[发明专利]智能汽车队列人-车-路系统多智能体联合建模方法

权利要求书

1.一种跟车场景下的智能汽车队列人-车-路系统多智能体联合建模方法，其特征在于，包括以下步骤：

将BDI智能体与智能汽车和驾驶员跟车行为特点进行结合，建立基于BDI智能体结构的车辆智能体跟车模型和基于BDI智能体结构的驾驶员智能体跟车模型；

将反应式智能体与跟车场景下道路环境特点进行结合，建立基于反应式智能体的跟车场景道路环境模型；

根据所述基于BDI智能体结构的车辆智能体跟车模型、所述基于BDI智能体结构的驾驶员智能体跟车模型和所述基于反应式智能体的跟车场景道路环境模型建立智能汽车队列跟车场景下“人-车-路”系统多智能体联合模型，并获得智能汽车队列跟车场景下人、车、路三者之间的交互信息流。

2.根据权利要求1所述的方法，其特征在于，所述智能汽车队列为前车-领航车-跟随车的通信拓扑结构。

3.根据权利要求1所述的方法，其特征在于，所述智能汽车队列中队列领航车由驾驶员驾驶，队列所有跟随车辆为完全自动驾驶；

在所述跟车场景中队列中所有车辆无换道动作。

4.根据权利要求1所述的方法，其特征在于，所述基于BDI智能体结构的车辆智能体跟车模型用于控制所述智能汽车队列中的跟随车，包括：感知层、预测层、推理层、决策层、执行层、状态库、意愿库和意图库；

感知层用于获取其他智能体的状态信息，并判断目前车辆所处的场景；

预测层用于根据感知层获取的状态信息和自车状态信息计算未来时域内前车、领航车及自车的状态预测矩阵；

推理层用于根据所述状态预测矩阵和自车期望目标计算目标代价函数；

决策用于通过对目标代价函数进行优化求解，得到自车的最优控制量大小；

执行层用于负责执行决策层输出的控制指令，并输出车辆状态作用于外部环境中的其他智能体；

状态库用于存储车辆自身的状态信息；

意愿库用于表示车辆的期望目标；

意图库用于表示车辆有可能做出的行驶动作。

5.根据权利要求1所述的方法，其特征在于，所述基于BDI智能体结构的驾驶员智能体跟车模型用于控制所述智能汽车队列中的领航车，包括：感知层、预测层、推理层、决策层、执行层、状态库、意愿库和意图库；

感知层用于对自车和前车之间的状态信息以及前方道路信息进行感知，对感知到的信息进行模糊化处理，获得模糊状态集；

预测用于根据感知层获取的信息对前车运动状态进行预判；

推理层用于根据车辆自身当前状态以及预判出的前车未来运动状态，推断出自车下一步的运动状态；

决策层对推理层的推断进行去模糊化，计算出自车的期望加速度；

执行层用于负责执行决策层输出的控制指令，并输出车辆状态作用于外部环境中的其他智能体；

状态库用于存储自身的状态信息；

意愿库用于表示自身期望目标；

意图库用于表示自身有可能做出的动作。

6.根据权利要求5所述的方法，其特征在于，去模糊化方法包括最大隶属度法、重心法和加权平均法。

7.根据权利要求1所述的方法，其特征在于，基于反应式智能体的跟车场景道路环境模型包括高速队列跟车场景下静态环境和高速队列跟车场景下动态环境；

所述高速队列跟车场景下的静态环境包括道路曲率和坡度；

所述高速队列跟车场景下的动态环境包括队列同车道的前方交通流和队列同车道前车状态。