一种自动驾驶车辆换道决策的方法及控制系统

本发明属于车辆自动驾驶控制，具体涉及一种自动驾驶车辆换道决策的方法及一种自动驾驶车辆换道决策控制系统。

背景技术：

1、随着自动驾驶技术的持续发展，自动驾驶车辆在开放道路环境中的行为决策能力已成为影响系统安全性、通行效率及乘坐舒适性的关键因素。在混合交通环境中，自动驾驶车辆通常需要与大量人类驾驶车辆进行实时交互，尤其是在匝道汇入、主线换道、跟驰避让等高交互场景下，周边交通参与者的驾驶风格、响应倾向及行为演化过程具有较强的不确定性和时变性。开放道路中的决策难点已经由单车几何可行性，转向了多车交互下安全性、效率性与社会兼容性的耦合平衡。

2、现有技术中，一类决策方法主要采用规则逻辑、有限状态机或约束优化方式实现换道控制，该类方法虽具有一定可解释性，但通常依赖预设阈值和离散规则，难以适应高交互场景下连续变化的交通行为；另一类方法采用深度强化学习方式进行策略优化，虽具有较强的自适应能力，但若仅依赖瞬时观测信息，则难以有效识别周边车辆在短时间窗口内形成的持续逼近、礼让、试探或竞争等行为趋势，从而导致训练波动、动作振荡及在线执行稳定性不足。

3、此外，现有部分方法尝试引入驾驶风格、社会属性或社会价值取向等先验信息，以增强对周边车辆行为倾向的理解，但在交互初期样本不足或观测噪声较大时，该类先验值往往容易发生明显波动。若将不稳定的先验直接注入决策模型，可能放大策略更新的方差，进而引发换道决策振荡。

技术实现思路

1、本发明的目的是针对现有技术中存在的问题，提供一种自动驾驶车辆换道决策的方法和控制系统，结合周边交通参与者历史交互时序信息，对周边车辆社会交互倾向进行稳定建模，并依据先验可信程度进行自适应调节，从而提高自动驾驶车辆在混合交通高交互场景中的安全性、连续性和鲁棒性。

2、技术方案如下：

3、一种自动驾驶车辆换道决策的方法，包括如下步骤：

4、步骤1：获取自车状态信息、周边交通参与者状态信息、道路车道拓扑信息以及交通规则约束信息，并根据相对位置、相对速度及车道关系确定关键交互对象；

5、步骤2：根据所述周边交通参与者状态信息确定交互邻域，并针对交互邻域内关键交互对象构建历史交互输入；

6、步骤3：将所述历史交互输入送入时序编码网络，提取对应关键交互对象的交互行为表征；

7、步骤4：根据所述交互行为表征生成社会交互倾向先验值，再根据所述社会交互倾向先验值在预设时间窗口内的波动情况确定可信度权重，以得到经可信度调节后的社会交互特征；

8、步骤5：将所述自车状态信息、周边交通参与者状态信息、经可信度调节后的社会交互特征以及车道可行性约束信息进行融合，构建决策状态；

9、步骤6：将所述决策状态输入混合动作决策模型，输出离散换道意图和连续纵向控制指令；

10、步骤7：根据所述离散换道意图和连续纵向控制指令，控制自动驾驶车辆执行对应驾驶行为。

11、进一步地，所述的自车状态信息包括自车的纵向位置、横向位置、纵向速度、纵向加速度和纵向加加速度中的一种或一种以上；所述的周边交通参与者状态信息包括对应交通参与者的纵向位置、横向位置、纵向速度、纵向加速度和纵向加加速度中的一种或一种以上。

12、进一步地，所述的交互邻域根据自车所在车道、目标车道、相邻车道、与自车之间的距离关系以及相对速度关系进行确定，根据周边交通参与者与自车之间的相对位置关系及相对速度关系，从所述候选交互区域内筛选对当前换道行为具有预设影响程度的周边交通参与者，作为所述关键交互对象。

13、进一步地，所述的历史交互输入包括周边交通参与者在连续多个时刻的状态序列，以及自车与对应周边交通参与者之间的相对距离序列和相对速度序列，对于关键交互对象中的任一周边交通参与者i，在时刻t，将其在连续h个时刻内的状态序列、自车与所述周边交通参与者之间的相对距离序列以及相对速度序列进行拼接，形成历史交互输入，其中h表示历史时间窗口长度。

14、进一步地，所述的时序编码网络采用能够表征时序依赖关系的神经网络，以提取周边交通参与者在短时间范围内的持续逼近、持续礼让、重复试探或持续竞争的行为趋势。

15、更进一步地，所述的能够表征时序依赖关系的神经网络为单向长短时记忆网络。

16、进一步地，所述的社会交互倾向先验值为用于表征周边交通参与者在当前交互窗口内礼让倾向、竞争倾向或协同倾向强弱的单一连续标量形式的参数；所述的可信度权重根据所述社会交互倾向先验值在预设时间窗口内的方差或波动程度确定，并通过连续函数对所述社会交互倾向先验值进行软调节，以减弱低可信度先验对决策输出的干扰，软调节方式为当所述社会交互倾向先验值在预设时间窗口内的输出越稳定时，所述可信度权重越大；当所述社会交互倾向先验值在预设时间窗口内的输出波动越明显时，所述可信度权重越小。

17、进一步地，所述的车道可行性约束信息包括目标车道可达性信息、道路边界信息、可通行车道信息以及交通规则限制信息中的一种或一种以上。

18、进一步地，所述的混合动作决策模型为基于深度强化学习构建的决策模型，采用近端策略优化算法进行训练，通过对策略更新幅度进行约束，使混合动作决策模型在训练过程中兼顾策略改进效率与更新稳定性，从而提升自动驾驶车辆在高交互混合交通场景中的换道决策鲁棒性；所述的离散换道意图包括保持当前车道、向左换道和向右换道中的一种；所述的连续纵向控制指令包括目标加速度、纵向加速度调节量或目标速度调节量中的一种或一种以上。

19、一种自动驾驶车辆换道决策控制系统，其特征在于：包括存储器、处理器以及存储在存储器中的计算机程序，处理器执行存储器中的计算机程序时运行上述的自动驾驶车辆换道决策的方法的步骤，控制自动驾驶车辆执行对应驾驶行为。

20、有益效果：

21、1）本发明通过对周边交通参与者历史交互过程进行时序建模，能够克服仅依赖单时刻观测所带来的局限性，更准确地识别持续逼近、礼让、试探及竞争等短时行为趋势，提高复杂混合交通环境下的交互理解能力。

22、2）通过对社会交互先验引入可信度调节机制，能够在交互初期样本不足或观测噪声较大时自动降低不稳定先验的影响，避免硬切换造成的输入不连续问题，从而提高决策输出的连续性和稳定性。

23、3)通过将社会交互先验、自车状态、周边交通状态及车道可行性约束统一融合，并利用混合动作决策模型联合输出横向换道意图和纵向控制量，能够在安全性、效率、舒适性和交通规则遵循之间实现更合理的综合平衡。

1.一种自动驾驶车辆换道决策的方法，其特征在于：包括如下步骤：

2.如权利要求1所述的自动驾驶车辆换道决策的方法，其特征在于：所述的自车状态信息包括自车的纵向位置、横向位置、纵向速度、纵向加速度和纵向加加速度中的一种或一种以上；所述的周边交通参与者状态信息包括对应交通参与者的纵向位置、横向位置、纵向速度、纵向加速度和纵向加加速度中的一种或一种以上。

3.如权利要求1所述的自动驾驶车辆换道决策的方法，其特征在于：所述的交互邻域根据自车所在车道、目标车道、相邻车道、与自车之间的距离关系以及相对速度关系进行确定，根据周边交通参与者与自车之间的相对位置关系及相对速度关系，从所述候选交互区域内筛选对当前换道行为具有预设影响程度的周边交通参与者，作为所述关键交互对象。

4.如权利要求1所述的自动驾驶车辆换道决策的方法，其特征在于：所述的历史交互输入包括周边交通参与者在连续多个时刻的状态序列，以及自车与对应周边交通参与者之间的相对距离序列和相对速度序列，对于关键交互对象中的任一周边交通参与者i，在时刻t，将其在连续h个时刻内的状态序列、自车与所述周边交通参与者之间的相对距离序列以及相对速度序列进行拼接，形成历史交互输入，其中h表示历史时间窗口长度。

5.如权利要求1所述的自动驾驶车辆换道决策的方法，其特征在于：所述的时序编码网络采用能够表征时序依赖关系的神经网络，以提取周边交通参与者在短时间范围内的持续逼近、持续礼让、重复试探或持续竞争的行为趋势。

6.如权利要求5所述的自动驾驶车辆换道决策的方法，其特征在于：所述的能够表征时序依赖关系的神经网络为单向长短时记忆网络。

7.如权利要求1所述的自动驾驶车辆换道决策的方法，其特征在于：所述的社会交互倾向先验值为用于表征周边交通参与者在当前交互窗口内礼让倾向、竞争倾向或协同倾向强弱的单一连续标量形式的参数；所述的可信度权重根据所述社会交互倾向先验值在预设时间窗口内的方差或波动程度确定，并通过连续函数对所述社会交互倾向先验值进行软调节，以减弱低可信度先验对决策输出的干扰，软调节方式为当所述社会交互倾向先验值在预设时间窗口内的输出越稳定时，所述可信度权重越大；当所述社会交互倾向先验值在预设时间窗口内的输出波动越明显时，所述可信度权重越小。

8.如权利要求1所述的自动驾驶车辆换道决策的方法，其特征在于：所述的车道可行性约束信息包括目标车道可达性信息、道路边界信息、可通行车道信息以及交通规则限制信息中的一种或一种以上。

9.如权利要求1所述的自动驾驶车辆换道决策的方法，其特征在于：所述的混合动作决策模型为基于深度强化学习构建的决策模型，采用近端策略优化算法进行训练，通过对策略更新幅度进行约束，使混合动作决策模型在训练过程中兼顾策略改进效率与更新稳定性，从而提升自动驾驶车辆在高交互混合交通场景中的换道决策鲁棒性；所述的离散换道意图包括保持当前车道、向左换道和向右换道中的一种；所述的连续纵向控制指令包括目标加速度、纵向加速度调节量或目标速度调节量中的一种或一种以上。

10.一种自动驾驶车辆换道决策控制系统，其特征在于：包括存储器、处理器以及存储在存储器中的计算机程序，处理器执行存储器中的计算机程序时运行如权利要求1至9任意一项所述的自动驾驶车辆换道决策的方法的步骤，控制自动驾驶车辆执行对应驾驶行为。