CN115092166A - 一种基于社会力模型的交互式自动驾驶速度规划方法 - Google Patents
一种基于社会力模型的交互式自动驾驶速度规划方法 Download PDFInfo
- Publication number
- CN115092166A CN115092166A CN202210679403.8A CN202210679403A CN115092166A CN 115092166 A CN115092166 A CN 115092166A CN 202210679403 A CN202210679403 A CN 202210679403A CN 115092166 A CN115092166 A CN 115092166A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- vehicle
- social force
- interactive
- force model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0013—Planning or execution of driving tasks specially adapted for occupant comfort
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
- B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0028—Mathematical models, e.g. for simulation
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于社会力模型的交互式自动驾驶速度规划方法,包括如下步骤:1)获取本车运动状态、所属道路环境、道路环境中所有的行人状态和行人意图;2)基于当前道路环境生成交互场景,以行人状态、行人意图和本车运动状态作为交互对象的初始状态进行场景分析,规划出N个候选速度;3)将N个候选速度分别代入社会力模型的车辆‑行人交互中进行前向仿真,得到N个交互仿真结果;4)对N个交互仿真结果进行评估,选出最优的候选速度作为本车自动驾驶的规划速度。本发明融合了社会力模型的速度规划方法较为充分地考虑自动驾驶车辆与目标之间的交互情况,并最终生成更加合理、舒适的规划速度,可有效提高自动驾驶的舒适性和用户体验。
Description
技术领域
本发明属于汽车自动驾驶的技术领域,具体涉及一种基于社会力模型的交互式自动驾驶速度规划方法。
背景技术
随着汽车智能化的快速发展,越来越多汽车上搭载了自动驾驶***,速度规划是自动驾驶技术中非常重要的一步。
常见的速度规划方法是考虑目标当前状态、运动趋势、未来轨迹等信息,并基于此计算自动驾驶车辆的期望速度。但在交互式的场景中(如车辆-行人交互),情况往往相对复杂,常见的速度规划方法并未考虑目标对车辆未来行为的反应,因此所得结果往往过于保守;如中国专利CN201811061563.6一种车辆纵向速度规划方法和纵向速度规划装置,根据自动驾驶车辆与前方目标之间的相对速度、相对距离计算得到安全距离,继而进行速度规划,但此方法假设目标在未来一段时间内按照当前的状态进行运动,且忽略了本车与目标之间的交互,若车辆面对的是行人等运动模式相对自由的目标,则此方法难以获得最合适的规划速度。
社会力模型常用于混合交通流仿真、风险预警、轨迹预测等应用。如中国专利CN201910257859.3一种基于社会力的混合交通仿真方法,使用社会力模型对行人、自行车、汽车以及道路等四种元素进行混合仿真,实现了模拟不同个体在交通场景中的动态交互行为,此类交互行为的仿真仅仅用于场景分析,并未直接用于自动驾驶技术中。中国专利CN114371707A提出使用考虑交互的行人轨迹预测结果来进行横纵向避撞决策的生成,但此方法仅仅是在行人轨迹预测部分考虑了交互模式,在决策部分尚未使用交互模型来生成自动驾驶车辆的行为,此外,该方法仅考虑了人-车交互,并不适用于需要同时考虑人-人交互的多行人的场景。
因此,需要提出一种基于社会力模型的自动驾驶速度规划方法,来解决目前的速度规划方法因忽略人与人之间的交互而导致规划速度的合理性较差的问题。
发明内容
针对现有技术的上述不足,本发明要解决的技术问题是提供一种基于社会力模型的交互式自动驾驶速度规划方法,解决目前速度规划方法规划速度的合理性较差的问题,取得提高自动驾驶舒适性和用户体验的效果。
为解决上述技术问题,本发明采用如下技术方案:
一种基于社会力模型的交互式自动驾驶速度规划方法,包括如下步骤:
1)获取本车运动状态、本车所属道路环境、当前道路环境中所有行人的行人状态和行人意图;
2)基于当前道路环境生成交互场景,以行人状态、行人意图和本车运动状态作为交互对象的初始状态进行场景分析,规划出N个候选速度;
3)将N个候选速度分别代入社会力模型的车辆-行人交互中进行前向仿真,得到N个交互仿真结果;
4)对N个交互仿真结果进行评估,选出最优的候选速度作为本车自动驾驶的规划速度。
进一步地,步骤1)中,所述行人状态包括行人当前的位置和速度;所述行人意图指行人当前的短时目的地;道路环境包括车道、人行道、人行横道。
进一步地,步骤1)中,将当前道路环境中所有行人的行人状态用集合表示为S={s1,s2,...,sn};其中,角标1~n表示行人的序号,s1=[x1,y1,vx1,vy1]表示行人1的行人状态,x1和y1分别表示行人1的横纵坐标,vx1和vy1分别表示行人1的横向速度和纵向速度;
将当前道路环境中所有行人的行人意图表示为D={d1,d2,...,dn};将当前道路环境表示为E,根据当前道路环境E获取本车可行驶区域,根据本车可行驶区域更新所有行人意图,更新后的行人意图表示为D′=update(D,E)且D′在本车可行驶区域外。
进一步地,步骤2)中,将N个候选速度表示为V={v1,v2,...,vN}。
进一步地,步骤3)中,将与N个候选速度一一对应的N个交互仿真结果表示为R={r1,r2,...,rN},r1=SIM(C,v1,S,D′)表示一组仿真结果;
其中,C表示本车自动驾驶的控制策略,v1表示对应的候选速度,S表示所有行人状态,D′表示基于当前道路环境更新后的行人意图。
进一步地,步骤3)中进行前向仿真时,行人状态的更新采用基于牛顿二阶质点模型改进的社会力模型,更新方程如下:
s′1=SFM(s1,S1,d′1,sv)
其中,s1′表示行人1在下一时刻的行人状态,S1为除行人1以外所有行人状态的集合,d1′为行人1更新后的行人意图,sv=[x,y,v,yaw]为本车运动状态,x和y表示本车当前位置的横纵坐标,v和yaw分别表示本车的速度和航向角。
进一步地,步骤3)中进行前向仿真时,将行人受到周围车辆和周围行人的影响表示为社会力fSFM,然后根据fSFM更新行人下一时刻的位置,fSFM的计算公式如下:
fSFM=∑fp+∑fv
其中,fp=Apexp(-Bp·dp)为周围一个行人对受影响行人的社会力,fv=Avexp(-Bv·dv)为周围一车辆对受影响行人的社会力,Ap,Bp,Av,Bv为社会力模型参数,dp为受影响行人与周围一行人的相对距离,dv为受影响行人与周围一车辆的影响区域Ev的垂直距离,车辆的影响区域Ev呈椭圆且焦点分别为车辆的当前位置和车辆前进方向上某一点的位置,焦距的长度与车辆的速度成正比。
进一步地,步骤3)中进行前向仿真的时间为2~10s。
进一步地,步骤4)中基于损失函数对交互仿真结果进行评估,损失函数考虑的指标包括自动驾驶车辆与行人的安全距离和车辆行驶的平顺程度。
进一步地,步骤4)中基于损失函数J(r)从N个候选速度中最优的候选速度的过程表示为:
v*=argmin(J(ri)),i∈{1,2,...,N}。
相比现有技术,本发明的有益效果如下:
1、本发明所述一种基于社会力模型的交互式自动驾驶速度规划方法,相比于传统的行人避让算法,考虑了自动驾驶车辆在速度规划时候与行人的交互,并通过仿真计算,在进行速度规划时对行人的行为进行了预判,避免过于保守的速度规划策略,实现更加合理的速度规划,从而实现更高效、舒适的自动驾驶。
2、本发明所述一种基于社会力模型的交互式自动驾驶速度规划方法,可解释性强,可通过仿真、实车试验对算法参数进行快速、有效地标定。
3、本发明所述一种基于社会力模型的交互式自动驾驶速度规划方法,可拓展性强,能适应不同城市道路场景的自动驾驶,可拓展至自动驾驶车辆与其他类型交通参与者的交互;本发明所述的规划方法考虑了除自车外的交通参与者之间的交互关系,尤其适用于多个行人同时存在的场景。
附图说明
图1为实施例的一种基于社会力模型的交互式自动驾驶速度规划方法的流程图;
图2为实施例所述社会力模型中车辆-行人的交互示意图;
图3为实施例的一种基于社会力模型的交互式自动驾驶速度规划方法的应用场景示意图;
图4为实施例的一种基于社会力模型的交互式自动驾驶速度规划方法的应用场景示意图;
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
实施例:
请参见图1,一种基于社会力模型的交互式自动驾驶速度规划方法,包括如下步骤:
1)当自动驾驶车辆遇到行人时,由感知***识别行人目标,并输出当前道路环境中所有行人的行人状态和行人意图,感知***或定位***输出本车所属道路环境,车载传感器输出本车运动状态;所述行人状态包括行人当前的位置和速度;所述行人意图指行人当前的短时目的地;道路环境包括车道、人行道、人行横道;
本实施例中,将当前道路环境中所有行人的行人状态用集合表示为S={s1,s2,...,sn};其中,角标1~n表示行人的序号,s1=[x1,y1,vx1,vy1]表示行人1的行人状态,x1和y1分别表示行人1在车辆坐标系下的横纵坐标,vx1和vy1分别表示行人1在车辆坐标系下的横向速度和纵向速度;
将当前道路环境中所有行人的行人意图表示为D={d1,d2,...,dn};将当前道路环境表示为E,根据当前道路环境E获取本车可行驶区域,根据本车可行驶区域更新所有行人意图,更新后的行人意图表示为D′=update(D,E)且D′在本车可行驶区域外。
2)基于当前道路环境生成交互场景,以行人状态、行人意图和本车运动状态作为交互对象的初始状态进行场景分析,规划出N个候选速度;将N个候选速度表示为V={v1,v2,...,vN};实施时,候选速度规划可以采用等距离采样模式,即如果当前道路限速为40km/h,采样距离为5km/h,则基于采样的候选速度规划结果为V={5,10,15,20,25,30,35,40}。
3)将N个候选速度分别代入社会力模型的车辆-行人交互中进行前向仿真,进行前向仿真的时间为2~10s,得到N个交互仿真结果;表示为R={r1,r2,...,rN},r1=SIM(C,v1,S,D′)表示一组仿真结果;r1的具体定义为仿真过程中,每一个行人与自车的最小距离、行人改变运动方向的平均次数、车辆一定距离范围内行人的密度等。
其中,C表示本车自动驾驶的控制策略,如PID算法速度跟踪,v1表示对应的候选速度,S表示所有行人状态,D′表示基于当前道路环境更新后的行人意图;
请参见图2,进行前向仿真时,行人状态的更新采用基于牛顿二阶质点模型的改进社会力模型,更新方程如下:
s′1=SFM(s1,S1,d′1,sv)
其中,s1′表示行人1在下一时刻的行人状态,S1为除行人1以外所有行人状态的集合,d1′为行人1更新后的行人意图,sv=[x,y,v,yaw]为本车运动状态,x和y表示本车当前位置的横纵坐标,v和yaw分别表示本车的速度和航向角;
将行人受到周围车辆和周围行人的影响表示为社会力fSFM,然后根据fSFM更新行人下一时刻的位置,fSFM的计算公式如下:
fSFM=∑fp+∑fv
其中,fp=Apexp(-Bp·dp)为周围一个行人对受影响行人的社会力,fv=Avexp(-Bv·dv)为周围一车辆对受影响行人的社会力,Ap,Bp,Av,Bv为社会力模型参数,dp为受影响行人与周围一行人的相对距离,dv为受影响行人与周围一车辆的影响区域Ev的垂直距离,车辆的影响区域Ev呈椭圆且焦点F1和F2分别为车辆的当前位置和车辆前进方向上某一点的位置,焦距的长度与车辆的速度成正比。
4)对N个交互仿真结果进行评估,选出最优的候选速度作为本车自动驾驶的规划速度;
本实施例中,基于损失函数对交互仿真结果进行评估,损失函数考虑的指标包括自动驾驶车辆与行人的安全距离和车辆行驶的平顺程度,基于损失函数J(r)从N个候选速度中最优的候选速度v*的过程表示为:
v*=argmin(J(ri)),i∈{1,2,...,N};
损失函数J(ri)将会对ri中包含的自车的最小距离、行人改变运动方向的平均次数、车辆一定距离范围内行人的密度进行考虑,通过实车实验调节和标定每种因素的损失函数权重,最终获取最优的候选速度,作为最终速度规划结果。
图3为没有交通信号灯控制的行人横穿场景,在此场景中,车辆与行人存在“谁先通行”的沟通或博弈,如果自动驾驶车辆的规划速度不同,则博弈的结果将会不同,最终影响车辆的行驶,本发明可以有效解决此类场景中规划效率不高的问题;
图4为大量行人交互场景,在此场景中,自动驾驶车辆通常选择保守策略,例如停车等待,但现实情况中,人类驾驶员往往会以一个合适的速度驾驶车辆前进,并预判行人会相应地避让前进的车辆,本发明所述方法同时考虑人-人交互、人-车交互,可以有效地实现上述行为,并大幅度提高自动驾驶车辆的行驶效率。
本发明所述一种基于社会力模型的交互式自动驾驶速度规划方法,对社会力模型进行改造并设计了一种在线交互仿真评估的框架以用于自动驾驶技术的速度规划;融合了社会力模型的速度规划方法较为充分地考虑自动驾驶车辆与目标之间的交互情况,并最终生成更加合理、舒适的规划速度。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于社会力模型的交互式自动驾驶速度规划方法,其特征在于:包括如下步骤:
1)获取本车运动状态、本车所属道路环境、当前道路环境中所有行人的行人状态和行人意图;
2)基于当前道路环境生成交互场景,以行人状态、行人意图和本车运动状态作为交互对象的初始状态进行场景分析,规划出N个候选速度;
3)将N个候选速度分别代入社会力模型的车辆-行人交互中进行前向仿真,得到N个交互仿真结果;
4)对N个交互仿真结果进行评估,选出最优的候选速度作为本车自动驾驶的规划速度。
2.根据权利要求1所述一种基于社会力模型的交互式自动驾驶速度规划方法,其特征在于:步骤1)中,所述行人状态包括行人当前的位置和速度;所述行人意图指行人当前的短时目的地;道路环境包括车道、人行道、人行横道。
3.根据权利要求2所述一种基于社会力模型的交互式自动驾驶速度规划方法,其特征在于:步骤1)中,将当前道路环境中所有行人的行人状态用集合表示为S={s1,s2,…,sn};其中,角标1~n表示行人的序号,s1=[x1,y1,vx1,vy1]表示行人1的行人状态,x1和y1分别表示行人1的横纵坐标,vx1和vy1分别表示行人1的横向速度和纵向速度;
将当前道路环境中所有行人的行人意图表示为D={d1,d2,…,dn};将当前道路环境表示为E,根据当前道路环境E获取本车可行驶区域,根据本车可行驶区域更新所有行人意图,更新后的行人意图表示为D'=update(D,E)且D'在本车可行驶区域外。
4.根据权利要求3所述一种基于社会力模型的交互式自动驾驶速度规划方法,其特征在于:步骤2)中,将N个候选速度表示为V={v1,v2,…,vN}。
5.根据权利要求4所述一种基于社会力模型的交互式自动驾驶速度规划方法,其特征在于:步骤3)中,将与N个候选速度一一对应的N个交互仿真结果表示为R={r1,r2,…,rN},r1=SIM(C,v1,S,D')表示一组仿真结果;
其中,C表示本车自动驾驶的控制策略,v1表示对应的候选速度,S表示所有行人状态,D'表示基于当前道路环境更新后的行人意图。
6.根据权利要求5所述一种基于社会力模型的交互式自动驾驶速度规划方法,其特征在于:步骤3)中进行前向仿真时,行人状态的更新采用基于牛顿二阶质点模型改进的社会力模型,更新方程如下:
s′1=SFM(s1,s1,d′1,sv)
其中,s1'表示行人1在下一时刻的行人状态,S1为除行人1以外所有行人状态的集合,d1'为行人1更新后的行人意图,sv=[x,y,v,yaw]为本车运动状态,x和y表示本车当前位置的横纵坐标,v和yaw分别表示本车的速度和航向角。
7.根据权利要求6所述一种基于社会力模型的交互式自动驾驶速度规划方法,其特征在于:步骤3)中进行前向仿真时,将行人受到本车和周围行人的影响表示为社会力fSFM,然后根据fSFM更新行人下一时刻的位置,fSFM的计算公式如下:
fSFM=∑fp+∑fv
其中,fp=Apexp(-Bp·dp)为周围一个行人对受影响行人的社会力,fv=Avexp(-Bv·dv)为本车对受影响行人的社会力,Ap,Bp,Av,Bv为社会力模型参数,dp为受影响行人与周围一行人的相对距离,dv为受影响行人与本车的影响区域Ev的垂直距离,本车的影响区域Ev呈椭圆且焦点分别为本车的当前位置和本车前进方向上某一点的位置,焦距的长度与本车的速度成正比。
8.根据权利要求7所述一种基于社会力模型的交互式自动驾驶速度规划方法,其特征在于:步骤3)中进行前向仿真的时间为2~10s。
9.根据权利要求8所述一种基于社会力模型的交互式自动驾驶速度规划方法,其特征在于:步骤4)中基于损失函数对交互仿真结果进行评估,损失函数考虑的指标包括本车与行人的安全距离和车辆行驶的平顺程度。
10.根据权利要求9所述一种基于社会力模型的交互式自动驾驶速度规划方法,其特征在于:步骤4)中基于损失函数J(r)从N个候选速度中最优的候选速度的过程表示为:
v*=argmin(J(ri)),i∈{1,2,…,N}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210679403.8A CN115092166A (zh) | 2022-06-15 | 2022-06-15 | 一种基于社会力模型的交互式自动驾驶速度规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210679403.8A CN115092166A (zh) | 2022-06-15 | 2022-06-15 | 一种基于社会力模型的交互式自动驾驶速度规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115092166A true CN115092166A (zh) | 2022-09-23 |
Family
ID=83291810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210679403.8A Pending CN115092166A (zh) | 2022-06-15 | 2022-06-15 | 一种基于社会力模型的交互式自动驾驶速度规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115092166A (zh) |
-
2022
- 2022-06-15 CN CN202210679403.8A patent/CN115092166A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11783614B2 (en) | Pedestrian behavior predictions for autonomous vehicles | |
CN110796856B (zh) | 车辆变道意图预测方法及变道意图预测网络的训练方法 | |
JP7020097B2 (ja) | 車両制御装置、リスクマップ生成装置、及びプログラム | |
CN110007675B (zh) | 一种基于行车态势图的车辆自动驾驶决策***及基于无人机的训练集制备方法 | |
CN108919795B (zh) | 一种自动驾驶汽车换道决策方法及装置 | |
Yao et al. | On-road vehicle trajectory collection and scene-based lane change analysis: Part II | |
KR20190054374A (ko) | 주행 경험 정보를 이용한 자율주행 학습 장치 및 방법 | |
Zhang et al. | Collision avoidance predictive motion planning based on integrated perception and V2V communication | |
CN111645673B (zh) | 一种基于深度强化学习的自动泊车方法 | |
Ortega et al. | Overtaking maneuver scenario building for autonomous vehicles with PreScan software | |
CN113291318B (zh) | 基于部分可观测马尔科夫模型的无人车盲区转弯规划方法 | |
JP2022550058A (ja) | 安全性分析フレームワーク | |
Guo et al. | Toward human-like behavior generation in urban environment based on Markov decision process with hybrid potential maps | |
Li et al. | Human-like motion planning of autonomous vehicle based on probabilistic trajectory prediction | |
CN116118780A (zh) | 一种车辆避障轨迹规划方法、***、车辆及存储介质 | |
Guo et al. | Humanlike behavior generation in urban environment based on learning-based potentials with a low-cost lane graph | |
Gao et al. | Discretionary cut-in driving behavior risk assessment based on naturalistic driving data | |
Ren et al. | Self-learned intelligence for integrated decision and control of automated vehicles at signalized intersections | |
Ilievski | Wisebench: A motion planning benchmarking framework for autonomous vehicles | |
Siboo et al. | An empirical study of ddpg and ppo-based reinforcement learning algorithms for autonomous driving | |
CN114446046A (zh) | 一种基于lstm模型的弱势交通参与者轨迹预测方法 | |
CN117585017A (zh) | 一种自动驾驶车辆换道决策方法、装置、设备及存储介质 | |
JP2023504506A (ja) | 知覚誤差モデル | |
Yuan et al. | Vehicle path planning based on pedestrian collision avoidance action | |
CN115092166A (zh) | 一种基于社会力模型的交互式自动驾驶速度规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |