基于递归贝叶斯推断的驾驶员响应意图识别与运动预测方法及系统

本发明属于智能网联汽车、自动驾驶场景理解、驾驶行为意图识别及车辆运动预测，特别涉及一种基于递归贝叶斯推断的驾驶员响应意图识别与运动预测方法及系统。

背景技术：

1、随着自动驾驶与智能网联汽车技术的发展，自动驾驶车辆需要在包含大量人类驾驶车辆的混合交通环境中持续理解周围车辆的交互行为。在车辆切入、换道、匝道汇入等强交互场景中，目标车辆驾驶员可能针对自车的接近、加减速或汇入行为表现出不同的响应倾向，例如主动减速并扩大间隙、基本维持当前运动状态，或保持道路优先权而不主动让行。上述响应意图不同于直行、换道等行为意图，其反映的是目标驾驶员针对其他车辆交互行为所采取的潜在响应策略，通常无法直接观测，但会影响目标车辆后续速度变化、车辆间隙演化及交互风险。

2、现有驾驶员意图识别方法多依据车辆位置、速度、加速度等运动特征，结合预设行为模型或数据驱动分类模型进行判断。此类方法在交互初期证据不足、驾驶员响应较弱或存在观测噪声时，容易产生不稳定的单次识别结果；同时，离散分类难以描述不同候选意图之间的不确定性，也难以反映随着连续观测信息不断积累，各类响应意图可信度逐步变化的过程。在运动预测方面，采用单一响应模型或对多个候选响应模型赋予固定权重，也难以根据当前目标车辆的实际响应及时调整预测结果。

技术实现思路

1、本发明的目的，在于提供一种基于递归贝叶斯推断的驾驶员响应意图识别与运动预测方法及系统，以克服交互场景中驾驶员响应意图不可直接观测、单次离散分类难以表达持续不确定性、固定响应假设难以利用当前交互证据以及观测噪声可能导致识别与预测不稳定等不足，可用于目标车辆响应意图识别及短期运动预测，为自动驾驶车辆提前进行交互风险评估和决策规划提供依据。

2、为了达成上述目的，本发明的解决方案是：

3、一种基于递归贝叶斯推断的驾驶员响应意图识别与运动预测方法，包括如下步骤：

4、步骤1，获取交互场景中自车、目标车辆及其他周围车辆的运动状态信息，自车当前时刻及预设历史窗口内的交互动作信息以及目标车辆运动观测信息，建立驾驶员候选响应意图集合，并初始化各候选响应意图的先验概率；

5、步骤2，建立各候选响应意图共享的目标车辆基础纵向跟驰模型，得到基础跟驰加速度；

6、根据不同候选响应意图设置相应的期望车辆通行顺序，得到通行顺序误差；并结合相对速度及交互强度得到社会响应加速度；

7、将所述社会响应加速度与基础跟驰加速度叠加，并经动力学及安全约束处理，得到各候选响应意图下目标车辆的预测加速度；

8、步骤3，获取目标车辆当前时刻的实际观测加速度，根据所述实际观测加速度与各候选响应意图下目标车辆的预测加速度之间的偏差，得到当前观测在各候选响应意图假设下的观测似然；

9、步骤4，对上一时刻的驾驶员响应意图后验概率进行遗忘平滑，得到当前时刻的平滑先验；结合所述观测似然，按照贝叶斯规则递归更新当前时刻各候选响应意图的后验概率；

10、步骤5，根据当前时刻各候选响应意图的后验概率确定目标驾驶员的响应意图及概率置信度；

11、步骤6，在预设预测时域内，分别依据各候选响应意图对应的响应模型递推目标车辆未来运动状态，并以当前时刻各候选响应意图的后验概率作为对应候选预测量的权重进行融合，得到目标车辆的运动预测结果。

12、上述步骤1中，候选响应意图集合至少包含让行型、中性型和优先权保持型，当包含上述三种类型时，所述候选响应意图集合可表示为，

13、式中，为让行型，表示目标驾驶员倾向于通过纵向运动调整形成自车在前、目标车辆在后的通行顺序；为中性型，表示目标驾驶员不主动改变当前车辆通行顺序，仅依据所述基础纵向跟驰模型行驶；为优先权保持型，表示目标驾驶员倾向于保持目标车辆在前、自车在后的通行顺序。

14、上述步骤2中，建立各候选响应意图共享的目标车辆基础纵向跟驰模型，计算基础跟驰加速度，包括，

15、目标车辆期望跟驰间隙为，，

16、当前跟驰压力为，，

17、基础请求加速度为，，

18、式中，为目标车辆当前速度，为目标车辆期望速度，为目标车辆与其前车之间的当前间隙，为最小安全间隙，为期望车头时距，为速度跟踪系数，为允许的最小纵向加速度，表示将变量限制在区间内的截断函数；

19、对所述基础请求加速度经车辆允许的加速度范围、加速度变化率、目标车辆与前车之间的安全间隙以及道路限速约束处理后，得到基础跟驰加速度。

20、上述步骤2中，根据不同候选响应意图设置相应的期望车辆通行顺序，计算候选响应意图对应的期望有符号纵向中心间距；结合当前纵向中心间距、相对速度及交互强度计算社会响应加速度，包括，

21、自车相对目标车辆的有符号纵向中心间距及相对速度分别为：，

22、式中，表示自车位于目标车辆前方，表示目标车辆位于自车前方；和为自车和目标车辆在统一交互参考方向上的纵向位置，和自车和目标车辆在统一交互参考方向上的速度；

23、候选响应意图对应的期望有符号纵向中心间距为：

24、，

25、式中，为让行型，表示目标驾驶员倾向于通过纵向运动调整形成自车在前、目标车辆在后的通行顺序；为中性型，表示目标驾驶员不主动改变当前车辆通行顺序，仅依据所述基础纵向跟驰模型行驶；为优先权保持型，表示目标驾驶员倾向于保持目标车辆在前、自车在后的通行顺序；为让行型期望形成的自车位于目标车辆前方时的安全间距，为优先权保持型期望形成的目标车辆位于自车前方时的安全间距，分别按下式计算，

26、，

27、，

28、式中，和分别为自车和目标车辆的车长，为附加净空距离，为用于表征环境及建模误差的附加安全裕度，为目标车辆当前速度，为期望车头时距；

29、候选响应意图对应的通行顺序误差为，，当前交互强度为，，

30、其中，为预设历史窗口内自车纵向前进动作所占比例，为车辆空间接近程度，为两车相对运动程度，、和分别为纵向前进动作比例、车辆空间接近程度和相对运动程度对应的非负权重，且满足：；

31、候选响应意图对应的社会响应加速度修正请求为，，

32、其中，为候选响应意图对应的响应强度系数，中性型的响应强度系数为0，让行型和优先权保持型的响应强度系数为正值；

33、所述社会响应加速度为，，

34、其中，表示低通平滑处理，表示经幅值限值后的社会响应加速度修正请求，，为纵向加速度修正幅值上限，表示将变量限制在区间内的截断函数。

35、上述步骤2中，将所述社会响应加速度与基础跟驰加速度叠加，并经动力学及安全约束处理，得到各候选响应意图下目标车辆的预测加速度，包括，

36、候选响应意图下目标车辆的预测加速度为，

37、其中，表示安全约束投影，所述动力学及安全约束包括加速度上下限、加速度变化率约束、最小安全间隙约束和碰撞避免约束中的一种或多种，为基础跟驰加速度，为社会响应加速度。

38、上述步骤3中，当前观测在候选响应意图下的观测似然为：，

39、其中，表示均值为、方差为的一维高斯分布概率密度函数在处的函数值，为目标车辆当前时刻的实际观测加速度，为候选响应意图下目标车辆的预测加速度，为加速度似然标准差；

40、所述目标车辆实际观测加速度由连续速度观测差分获得，或者，由车辆传感器、车路协同感知单元或车辆轨迹数据直接获得。

41、上述步骤4中，候选响应意图在当前时刻的平滑先验为，，其中，为遗忘因子，为上一时刻候选响应意图的后验概率，为对应候选响应意图的初始先验概率；

42、递归更新后的后验概率为，，其中，表示当前时刻目标车辆运动观测在候选响应意图下的观测似然，表示候选响应意图的当前平滑先验，为候选响应意图集合，表示集合中用于归一化求和的候选响应意图；和分别表示候选响应意图对应的观测似然和平滑先验。

43、上述步骤5中，当未达到预设观测时域、交互过程尚未结束且所述概率置信度未达到可靠识别阈值时，保留当前后验概率，并在获得后续目标车辆运动观测后继续进行递归更新；当达到预设观测时域、交互过程结束或所述概率置信度达到可靠识别阈值时，输出当前响应意图及对应的概率置信度。

44、上述步骤5中，当前响应意图及对应的概率置信度分别为，

45、，

46、其中，为候选响应意图在时刻的后验概率，为候选响应意图集合。

47、上述步骤6包括，

48、候选响应意图下目标车辆的预测速度和预测纵向位置分别为，

49、，；

50、其中，、和分别表示候选响应意图下第个预测步的目标车辆预测加速度、预测速度和预测纵向位置，为离散时间步长；

51、自车与目标车辆之间的预测有符号间隙根据对应预测时刻自车的纵向位置与候选响应意图下目标车辆的预测纵向位置计算得到；

52、目标车辆的运动预测结果为，，

53、其中，为候选响应意图下的后验概率，为预测时间，为候选响应意图下的目标车辆候选运动预测量；

54、所述待预测运动量至少包括目标车辆的预测速度、预测纵向位置和自车与目标车辆之间的预测有符号车辆间隙中的一种。

55、一种基于递归贝叶斯推断的驾驶员响应意图识别与运动预测系统，包括，

56、信息获取模块，被配置为获取交互场景中自车、目标车辆及其他周围车辆的运动状态信息，自车当前时刻及预设历史窗口内的交互动作信息以及目标车辆运动观测信息，建立驾驶员候选响应意图集合，并初始化各候选响应意图的先验概率；

57、候选响应模型模块，被配置为建立各候选响应意图共享的目标车辆基础纵向跟驰模型，计算基础跟驰加速度；根据不同候选响应意图设置相应的期望车辆通行顺序，计算通行顺序误差；并结合相对速度及交互强度计算社会响应加速度；将所述社会响应加速度与基础跟驰加速度叠加，并经动力学及安全约束处理，得到各候选响应意图下目标车辆的预测加速度；

58、似然计算模块，被配置为获取目标车辆当前时刻的实际观测加速度，根据所述实际观测加速度与各候选响应意图下目标车辆的预测加速度之间的偏差，计算当前观测在各候选响应意图假设下的观测似然；

59、递归贝叶斯推断模块，被配置为对上一时刻的驾驶员响应意图后验概率进行遗忘平滑，得到当前时刻的平滑先验；结合所述观测似然，按照贝叶斯规则递归更新当前时刻各候选响应意图的后验概率；

60、响应意图识别模块，被配置为根据当前时刻各候选响应意图的后验概率确定目标驾驶员的响应意图及概率置信度；

61、运动预测模块，被配置为在预设预测时域内，分别依据各候选响应意图对应的响应模型递推目标车辆未来运动状态，并以当前时刻各候选响应意图的后验概率作为对应候选预测量的权重进行融合，得到目标车辆的运动预测结果。

62、采用上述方案后，本发明将目标驾驶员响应意图作为不可直接观测的离散隐变量，不以固定加速度直接表征不同驾驶员响应类型，而是通过不同期望车辆通行顺序驱动共享基础跟驰模型产生动态响应，并利用目标车辆连续运动观测递归修正各响应意图的后验概率；同时将所述后验概率继续用于目标车辆未来运动状态的融合预测，从而形成“候选响应建模—运动响应观测—递归意图推断—后验运动预测”的连续信息链。

63、本发明具有以下技术效果：

64、第一，本发明通过将让行型、中性型和优先权保持型映射为不同的期望车辆通行顺序，并根据实时车辆间距、相对速度和交互强度动态计算目标车辆加速度响应，避免以固定加减速度简单代表驾驶员响应意图，提高响应模型对不同交通状态的适应性和可解释性。

65、第二，本发明将意图相关加速度修正与基础跟驰行为分离，并设置幅值、平滑和安全约束，使目标车辆在表达交互响应倾向的同时满足基本跟驰与碰撞避免要求，降低异常响应对意图推断的影响。

66、第三，本发明通过递归贝叶斯更新持续吸收目标车辆最新运动响应信息，并保留各候选响应意图的完整后验概率，可描述驾驶员响应意图置信度随观测信息积累逐步变化的过程，相较于单一时刻的一次性分类能够更充分地表达交互初期的不确定性。

67、第四，本发明在贝叶斯更新前利用遗忘因子对上一时刻后验进行平滑，可减小单步加速度噪声、短时异常响应或候选响应模型轻微失配造成的后验过度集中，提高递归识别过程的稳定性。

68、第五，本发明将当前交互场景在线估计得到的响应意图后验直接作为目标车辆候选运动预测结果的融合权重，使预测结果能够随驾驶员响应证据的积累动态调整，而不是始终采用固定或均匀的响应假设，可为自动驾驶车辆的交互风险评估、间隙判断以及后续决策规划提供更具针对性的目标车辆运动信息。