公路环境中自动驾驶决策的框架

公路环境中自动驾驶决策的框架

在智能交通系统领域，智能驾驶辅助系统和自动驾驶车辆增强了道路安全、保证了乘客乘坐的舒适性。但是，它仍然存在一些问题，如自动驾驶系统不能执行比较复杂的驾驶任务。研究了在公路环境下自动驾驶的决策框架。该框架鲁棒性好，能够可靠地评价给定的公路状况，并做出合理地决策。该决策框架由两部分组成：工况评估和驾驶行为决策。工况评估是利用多个互补的威胁措施和贝叶斯网络计算汽车和车道的危险等级，评估碰撞的可能性。驾驶行为决策是在给定的高速公路环境中，使得汽车做出合适的决策行为。

工况评估是在给定的工况下观测每个车辆，并推测出与车辆可能碰撞的危险级别。在独立、分散的推理结构下，采用至多两个危险等级最高的车辆来推断每个车道的危险程度。在给定的时间段内，通过过滤掉由不确定噪声数据引起的不完整的估计结果来确定每个车道的危险等级。而驾驶行为决策的类型包括减速以避免与前方车辆碰撞，或者使得车辆变道或超车。建立具有分层结构的状态机制，为复杂的驾驶任务确定驾驶行为策略。

对该自动驾驶决策框架在两个不同的公路环境中进行了测试与评估：一个公路环境是封闭的高速公路，另一个公路环境是公共的高速公路。测试结果表明，该决策框架的鲁棒性较好、可靠性较高。

刊名：IEEE Transactions on Intelligent Transportation Systems（英）

刊期：2017年第1期

作者：Samyeul Noh et al

编译：野晨晨