国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于本體推理和BN的無人駕駛行為決策

2022-09-16 03:24常嘉偉李展峰封功源
汽車實用技術(shù) 2022年17期
關(guān)鍵詞:貝葉斯車道本體

常嘉偉,施 衛(wèi),劉 斌,李展峰,封功源

(江蘇理工學(xué)院 機械工程學(xué)院,江蘇 常州 213000)

無人駕駛系統(tǒng)核心技術(shù)包括環(huán)境感知、行為決策、運動規(guī)劃與控制等方面,其中行為決策系統(tǒng)作為無人駕駛汽車的“大腦”,決定車輛行駛過程的安全性、有效性和合法性。因此,優(yōu)化提升無人駕駛行為決策系統(tǒng),使其盡可能地代替駕駛員,做到?jīng)Q策的“擬人化”,一直是研究者需要努力的方向。雖然在高速路段下的自動輔助駕駛系統(tǒng)已較為成熟,并已大量商業(yè)化,但作為上層統(tǒng)籌的無人車行為決策系統(tǒng)仍因?qū)崟r性、安全性等方面的不足,無法應(yīng)對現(xiàn)實駕駛場景。尤其在城區(qū)路段,無人車輛需要面對更為復(fù)雜的導(dǎo)航需求和道路狀況,對周圍道路、障礙物、交通標識、紅綠燈及全局導(dǎo)航信息需要有更為全面有效的評估,同時對周圍交通參與者的行為意圖也要有更為及時和精確的判斷。

面對當前無人駕駛行為決策中的難題,狀態(tài)機模型是應(yīng)用最為廣泛的決策模型,即通過建立環(huán)境輸入與駕駛動作之間的狀態(tài)遷移條件來實現(xiàn)駕駛過程中的決策任務(wù),它運用簡單、易于實現(xiàn),但無法有效應(yīng)對復(fù)雜工況和帶有不確定性場景。基于知識推理的決策模型對駕駛場景的描述清晰,控制邏輯合理,但隨著場景輸入條件的增多,容易出現(xiàn)規(guī)則的組合爆炸。基于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的決策方法透明性差,同時依賴于大規(guī)模的數(shù)據(jù)訓(xùn)練,訓(xùn)練時間較長。貝葉斯網(wǎng)絡(luò)是基于統(tǒng)計的決策模型,對于不確定場景下的決策推理,有較高的置信度。但是其網(wǎng)絡(luò)建模存在維度災(zāi)難,條件概率分布表(Conditional Probability Table,CPT)需考慮的數(shù)量隨著節(jié)點數(shù)量呈指數(shù)級增長。

采用有向無環(huán)圖可以顯著降低貝葉斯網(wǎng)絡(luò)建模的維度,同時如何設(shè)計合理的網(wǎng)絡(luò)結(jié)構(gòu)也就成了研究的難點。本體作為一種能在知識層次上描述知識模型的建模工具,可以統(tǒng)一、規(guī)范地描述場景知識,但其本身并不具備獨立的推理能力。通過本體理論對駕駛周邊道路場景進行合理的建模,以知識邏輯推理將決策任務(wù)合理拆分,選擇對應(yīng)所需的本體信息構(gòu)建有向無環(huán)圖。通過先驗信息和專家經(jīng)驗生成CPT文件,即可構(gòu)建完整的貝葉斯網(wǎng)絡(luò)來實現(xiàn)推理功能。最后通過貝葉斯網(wǎng)絡(luò)(Bayesian Network, BN)推理得到當前駕駛環(huán)境下的最佳行為模式。

1 建立駕駛場景本體知識模型

本體是一種統(tǒng)一的、規(guī)范的知識描述方法,通常用來描述領(lǐng)域知識。運用本體知識可以將駕駛場景概念化,分解歸納為合理類集,同時清楚地表達概念類之間的屬性關(guān)系。

根據(jù)無人駕駛場景中需要考慮的環(huán)境因素,設(shè)定道路類、行為類、對象類、自身車輛類四種基礎(chǔ)概念類別,同時引入安全類和目的類兩類直接作用于行為決策的上層概念類集。

(1)道路類表示與道路相關(guān)的信息要素,包括車道數(shù)、車道線、路面標記、路段類型等。

(2)行為類表示無人車輛可以執(zhí)行的駕駛動作,分為橫向行為與縱向行為。為了更為簡化,將單獨的駕駛動作組合為完整的駕駛模式,包括直道行駛:自適應(yīng)巡航控制(Adaptive Cruise Control, ACC)&車道保持輔助功能(Lane Keeping Assistance, LKA)、左變道、右變道和緊急制動。

(3)對象類表示當前道路上存在對象,包括車輛、行人、障礙物等。

(4)自身車輛類表示自身車輛狀態(tài),主要包括自車與其他車輛或障礙物的相對速度、距離等。

(5)安全類是基于其他基礎(chǔ)類別的上層判定類別,判定結(jié)果直接決定行為類的輸出。

(6)目的類表示服務(wù)于當前駕駛行程的有效性,為換道行為提供主要參考依據(jù)。

駕駛場景分類如圖1所示。

考慮到無人車駕駛行為決策主要服務(wù)于最終的輸出模式,即本體中的行為類,因此,其父節(jié)點應(yīng)為行為類中各項的直接影響因素,同時每一節(jié)點的設(shè)計都應(yīng)考慮到安全性、合法性、有效性三個角度。

導(dǎo)航信息直接決定本次駕駛?cè)蝿?wù)的有效性,若無法到達目的地,整個駕駛過程將無意義。因此,當前路段的導(dǎo)航信息為確定性要求,即到路口時是否需要左轉(zhuǎn)或右轉(zhuǎn)是確定的。但是導(dǎo)航信息無法直接轉(zhuǎn)換為變道條件,變道行為還需考慮到當前道路是否滿足變道條件,即左右車道線的虛實以及此時本車道與周邊車道的安全性。

安全類作為行為決策的父節(jié)點之一,提供當前道路環(huán)境的安全性依據(jù)。為駕駛過程帶來不確定因素的是其他車輛的駕駛動作,它的影響主要體現(xiàn)在本車跟車和變道的過程中,同時直接決定了當前駕駛的安全性。無人車決策前,應(yīng)知道當前車道以及左右車道安全與否,因此,設(shè)定G,G,G作為行為決策的三個父節(jié)點,分別代表左車道、本車道以及右車道的安全性。

換道意圖的產(chǎn)生不僅僅取決于當前駕駛?cè)蝿?wù)的目的性,在保證駕駛方向正確與行駛安全的基礎(chǔ)上,適當?shù)某囆袨橐彩邱{駛更順暢的關(guān)鍵。為避免持續(xù)地跟車行駛導(dǎo)致整個駕駛?cè)蝿?wù)的總時長過大,引入限速達成度(SpeedLimitDisparity)作為換道超車行為的參考依據(jù)。當車輛在跟車狀態(tài)下與限速上限差值超過20%的時間到達閾值,則視為超出容忍度,可以進行換道超車,因此,限速達成度也作為最終決策的父節(jié)點之一。

最終無人駕駛行為決策受到三大類別共5個父節(jié)點的影響,其本體知識模型如圖2所示。

在此基礎(chǔ)上,安全類主要與自身車輛類、對象類相關(guān)聯(lián)。目標車道是否安全,主要取決于車道上的交通參與對象,即其他車輛、障礙物(Obstacle)、行人以及他們此時的狀態(tài)。

基于導(dǎo)航的換道需求(LaneChangeDemand)是由導(dǎo)航信息直接決定的,以車輛為主體,當所在車道與導(dǎo)航(Navigation)信息相匹配,則無換道需求,反之,則需進行換道準備。同時換道行為受到左右車道線的約束,當車道線為實線,則無法進行換道。

因此,可以建立城區(qū)交通環(huán)境下的無人駕駛行為決策本體模型,如圖3所示。

2 建立貝葉斯網(wǎng)絡(luò)

其條件概率公式為

根據(jù)貝葉斯定理可得

式中,()為類“先驗”概率;(,)為樣本相對于類標記的條件概率。

貝葉斯的推理過程是指在網(wǎng)絡(luò)結(jié)構(gòu)和CPT已知的情況下,計算某個變量取值的最大概率。本文主要基于的后驗概率問題來決定無人車輛當下應(yīng)該采取的駕駛動作。后驗概率問題是指在已知一些節(jié)點概率的基礎(chǔ)上,再根據(jù)新的先驗概率,通過貝葉斯公式修正,得到后驗概率,取對應(yīng)節(jié)點中概率值最大的狀態(tài)作為無人車輛的動作輸出。

利用貝葉斯網(wǎng)絡(luò)的推理過程如圖4所示。

2.1 確立BN拓撲結(jié)構(gòu)

將上文中的無人駕駛行為決策本體模型中的節(jié)點及其父子關(guān)系映射為貝葉斯網(wǎng)絡(luò)拓撲結(jié)構(gòu)。本體模型中每一類集中的每一對象即可成為貝葉斯網(wǎng)絡(luò)中的一個節(jié)點,本體理論中的對象屬性則可映射為有向無環(huán)圖中的有向邊。相對于本體模型,新構(gòu)建的貝葉斯網(wǎng)絡(luò)只需為各個節(jié)點添加合理的狀態(tài)變量及其可能的取值。貝葉斯網(wǎng)絡(luò)節(jié)點變量及其狀態(tài)取值如表1所示。C表示與后車碰撞可能較高,即1.7 s<≤3.5 s。

Behavior節(jié)點包含四種狀態(tài),作為無人車行為決策的最終輸出,分別對應(yīng)四種駕駛模式:LKC+ACC的直道駕駛模式、向左換道模式、向右換道模式以及自主剎車模式;G、G、G三個節(jié)點分別對應(yīng)左中右三車道的安全性,有安全和危險兩種狀態(tài),若無左或右車道,則同樣歸類為危險;PresentLane節(jié)點表示本車當前所處車道(駕駛場景默認為三車道);LaneChangeDemand表示根據(jù)導(dǎo)航(Navigation)以及左右車道線約束給出的換道建議;Left(Center/Right)LaneCondition表示本車與對應(yīng)道路上其他車輛之間的相互行駛狀態(tài),引入兩車從沖突開始到發(fā)生碰撞的時間(Time To Contact, TTC)作為評價車輛狀態(tài)安全與否的指標,TTC越小表示兩車越容易發(fā)生碰撞。評估公式為

式中,為跟隨車與被跟隨車的相對距離;為跟隨車的速度;為被跟隨車的速度。

節(jié)點中狀態(tài)含義如下:

C表示即將與前車碰撞,即≤1.7 s;

C表示即將與后車碰撞,即≤1.7 s;

C表示與前車碰撞可能較高,即1.7 s<≤3.5 s;

C表示與前后車不會發(fā)生碰撞,即>3.5 s&>3.5 s。

2.2 確定BN條件概率表

構(gòu)建完整的有向無環(huán)圖后,需要根據(jù)歷史駕駛案例和專家經(jīng)驗確定每個節(jié)點的條件概率表。

沒有父節(jié)點的變量在決策系統(tǒng)中是作為外部環(huán)境感知的輸入,只需給節(jié)點一個初始概率。G、G、G和LaneChangeDemand節(jié)點都有一個以上的父節(jié)點,以G和LaneChangeDemand節(jié)點為例,G節(jié)點的條件概率分布如表2所示。

LaneChangeDemand節(jié)點的部分條件概率分布如表3所示。

完整的貝葉斯網(wǎng)絡(luò)構(gòu)建完成,即可根據(jù)先驗信息推理當前最佳駕駛行為。

3 駕駛場景的搭建與實例驗證分析

Netica是當下最為流行的可視化貝葉斯推理工具,它的優(yōu)點是可以圖形化,簡易快速地建立貝葉斯網(wǎng)絡(luò)。本文通過Netica作為貝葉斯網(wǎng)絡(luò)的推理工具,并驗證上文構(gòu)建網(wǎng)絡(luò)的有效性。

本文采用Prescan仿真軟件來預(yù)設(shè)駕駛場景,預(yù)設(shè)駕駛場景為城區(qū)道路環(huán)境下的一個十字路口,如圖4所示。

該十字路口為雙向六車道,規(guī)定限速為60 km/h,場景(1)如圖5所示。本車(紅色小車)行駛在中間車道,距離路口尚且有一段距離,其左右和前方車道都有車輛在行駛。本車目前行駛速度為50 km/h,中間車道最前方車輛(車輛1)因即將駛?cè)肼房?,故開始減速,車輛1后方車輛(車輛2)未開始減速,仍保持48 km/h的速度行駛,與本車距離為8 m,左車道兩車均以55 km/h的速度行駛,右車道車輛(車輛3)以54 km/h的速度行駛,車身超出本車車頭3 m。

根據(jù)導(dǎo)航本車需在該路口右轉(zhuǎn),傳感器獲取的當前道路信息作為先驗條件,貝葉斯網(wǎng)絡(luò)給出的判斷如圖6所示。由圖6可以看出,保持當前車道行駛的概率為90%,制動的概率為10%。雖然目前有向右換道的需求,但是右方車道不滿足換道條件,因此,車輛仍將保持直道行駛。

駕駛場景(2)如圖7所示。

車輛1減速后,車輛2緊跟著減速,本車在看到前車剎車燈亮起后也開始減速,由此,車輛3與本車的速度差變大,兩車之間的前后距離也隨之增加。貝葉斯網(wǎng)絡(luò)給出的判斷如圖7所示。

向右換道的概率為90%,直道行駛和制動的概率分別為8%和2%。由于向右換道的需求持續(xù)存在,在此時刻,右方車輛與本車已經(jīng)拉開了距離,右車道具備了換道條件,因此,本車可以順利地做出向右換道的選擇。

駕駛場景(2)的BN如圖8所示。

4 結(jié)束語

本文通過本體知識推理建立城區(qū)駕駛場景本體模型,再映射為貝葉斯網(wǎng)絡(luò)實現(xiàn)模型的推理功能,通過最大后驗概率選擇當前最佳無人駕駛行為,最后在Prescan中設(shè)置駕駛場景并通過Netica建立貝葉斯網(wǎng)絡(luò)驗證該模型在一般場景中的可行性。該方法能有效地利用當前道路因素,并反應(yīng)它們之間的相互關(guān)系,通過增設(shè)安全類與目的類使繁多的類別合并以降低建模的維度,同時使設(shè)計能更好地符合安全性、合法性、有效性的初衷。貝葉斯網(wǎng)絡(luò)面對城區(qū)復(fù)雜多變的駕駛場景也有較高魯棒性,通過父節(jié)點與子節(jié)點的連接可以更直觀地反應(yīng)道路因素與駕駛行為間的因果關(guān)系。在面對城區(qū)復(fù)雜駕駛環(huán)境時,本方法能使車輛較好地判斷當前最優(yōu)駕駛行為。

猜你喜歡
貝葉斯車道本體
繼齊韻往昔,以今聲開來——思考自五音戲主奏樂器的演變、本體及延伸
基于OpenCV的直道車道線識別技術(shù)研究
眼睛是“本體”
租賃房地產(chǎn)的多主體貝葉斯博弈研究
租賃房地產(chǎn)的多主體貝葉斯博弈研究
貝葉斯網(wǎng)絡(luò)概述
貝葉斯公式的應(yīng)用和推廣
一種新型水平移動式折疊手術(shù)床
Care about the virtue moral education
6+2大于4+4