目前,自动驾驶技术广泛应用于商业化领域,如物流车、Robo Taxi等。封闭园区环境下的自动驾驶由于基础道路环境简单、道路结构化程度高、路口曲率半径小,行驶路线固定、速度较低等优点能够覆盖绝大部分的自动驾驶场景,成为自动驾驶全面落地的突破口,是当前研究的热点。校园环境内无人巴士在无信号灯控制的结构化道路通行时通常采用被动型避让策略使得其通过能力被行人阻塞,导致长时间停滞。人与车之间的合作策略成为解决该问题的有效技术途径,目前关于该方向的研究多集中于室内人群环境,且交互对象为小型机器人,针对校园环境的研究较少;且校园环境的行人流模拟,如群体横穿马路等工况研究匮乏。本文提出了一种建立校园环境内人车交互行人流的建模方法,并提出一种考虑行人合作意图的行车风险场下人车交互决策规划算法,主要研究工作及内容如下:
首先,基于DUT(Dalian University of Technology)数据集与CITR(Control and Intelligent Transportation Research)数据集提取行人合作数据并分析,提出了考虑行人注意力机制以解决行人从众心理的建模方法;采用了一种多区域融合的社会力模型的有限状态机来描述人车交互,并添加行人注意力机制用于模拟行人流中存在的跟随动作模式。通过实车数据集验证表明,添加行人注意力机制的决策树模型在数据集中采用交叉五折验证后,正确分类率达到了84.6%,相比于未添加行人注意力机制的决策树模型提升了3.9%;添加行人注意力机制的融合有限状态机的多区域社会力模型在校园内人群大密度环境中的行人模拟值的平均位移误差降低至0.685m,其模拟精度相比于原社会力模型提升了9.36%,能更好的模拟行人流过街现象中行人绕行车尾的现象。
其次,采用基于场论的行车风险场模型,对校园环境中行人流与车辆进行交互的场景进行风险建模,将建模的行人交互意图与行人流的汇集作用通过行车风险场中的动能场进行描述,并将该风险场场强与场力通过DSI(Driving safety index)转化为栅格化处理时映射在地图节点上的安全性无量纲评价指标,用于评价无人巴士多区域模型涵盖的栅格地图内的风险。在此基础上,无人巴士可以通过Frenet坐标系下基于采样的五次多项式进行决策规划,并设计评价函数评价规划出的轨迹簇中的最优轨迹。
最后,本文基于MATLAB搭建仿真环境,通过DUT数据集验证社会力模型与群体行人在校园环境下交互的运行轨迹,并设计校园典型工况对无人巴士决策规划算法进行功能验证,结果表明,仿真环境中车辆在336帧时到达规划目标点,而数据集中车辆真值在383帧时到达规划目标点,车辆平均通行速率提升12.3%。定量分析结果表明,本文无人巴士的决策规划算法与不考虑行人意图的被动避让式算法100次循环实验的性能对比,算法其平均性能在不同人群密度下相比于被动式避让策略提升在30%左右。
暂无评论