用于变道行为的协同和交互感知驾驶员模型

用于变道行为的协同和交互感知驾驶员模型

• 论文链接：https://arxiv.org/ftp/arxiv/papers/2403/2403.01752.pdf

附赠自动驾驶最全的学习资料和量产经验：链接

摘要

本文介绍了用于变道行为的协同和交互感知驾驶员模型。为了实现完全自动驾驶汽车，则其与周围车辆的通信和交互是至关重要的。特别地，由于变道场景没有交通信号和交通规则，因此自动驾驶汽车需要考虑车辆之间的交互。为了解决这个问题，本文提出了一种用于自动驾驶汽车的协同和交互感知决策算法，其基于实际驾驶数据随机考虑周围车辆的未来行为。该算法是为变道和车道保持的车辆而设计的，并且通过使用基于车辆之间相对信息的交互模型来有效地考虑交互。为了设计决策算法，将交互模型定义为马尔可夫决策过程，并且使用随机动态规划来求解该马尔可夫决策过程。本文验证了所提出的算法在需要交互的变道场景中的有效性。结果表明，所提出的算法能够在适应各种驾驶风格的同时，实现协同和交互感知决策。此外，通过与其它方法（例如智能驾驶员模型和基于博弈论的决策）的比较，本文验证了所提出算法的安全性和舒适决策。此外，通过与人类驾驶的车辆共同行驶，证实了所提出的决策能够与人类协同且有效地执行。

主要贡献

本文的主要贡献总结如下：

1）本文基于车辆之间的相对信息设计了一个协同交互模型，从而使用较少的状态进行有效的交互建模，并且实现了协同决策；

2）据作者所知，目前还没有研究使用随机动态规划（SDP）来设计考虑交互的决策算法。通过结合实际驾驶数据并且从概率角度考虑其它车辆的未来行为，SDP实现了车辆之间的有效交互和决策；

3）本文所提出的算法包括变道车辆（LCV）以及车道保持车辆（LKV）的决策；

4）本文所提出的决策算法能够与各种驾驶员驾驶的车辆进行交互，包括智能驾驶员模型、基于博弈论的算法和人类驾驶的车辆；

5）本文所提出的算法可以从变道场景扩展到其它驾驶场景。

论文图片和表格

总结

本项研究提出了一种用于自动驾驶汽车的协同和交互感知决策算法，特别是在变道场景中。该算法基于实际驾驶数据随机考虑其它车辆的未来行为，并且基于车辆之间的相对信息来定义交互模型。本文所提出的算法考虑了自车的安全性、舒适性、意图和特性，并且针对LKV和LCV进行开发。

为了验证协同和交互驾驶，对各种驾驶风格（例如激进和保守）的车辆的仿真结果表明，本文所提出的算法能够实现交互和协同驾驶。此外，与研究中常用的基于IDM和GT的方法相比，所提出的算法能够实现安全且舒适的驾驶，其碰撞率和纵向加加速度更小。此外，所提出的算法证明了与不同特性的驾驶员协同和交互驾驶的能力。

考虑到商业化自动驾驶汽车的潜在应用场景，本文已经验证了所提出的方法与人类驾驶汽车的协同交互效果。本文所提出的方法能够与不同特性的人类驾驶LKV和LCV进行协同，同时有效地反映了隐含的交互。

总而言之，本文所提出的协同和交互感知决策算法为自动驾驶汽车的安全高效驾驶提供了一种有前景的方法。本项研究的结果证明了该算法在适应各种驾驶风格方面的有效性，并且实现了舒适、安全且交互式的驾驶。所提出的方法易于实时实现，并且扩展到变道以外的其它驾驶场景。此外，所提出的方法可以生成各种决策模型，并且可以与人类驾驶员协同交互。因此，其有潜力扩展并且应用于类人自动驾驶汽车的开发。