基于行为识别的智能车纵向决策研究

曹 波，李永乐，赵 凯，朱 愿

(1.陆军军事交通学院镇江校区，江苏镇江212003；2.陆军军事交通学院军事交通运输研究所，天津300161)

0 引 言

决策规划是智能车关键技术之一，旨在综合环境感知和任务规划等信息生成可行的行驶轨迹，为自动控制奠定基础.智能车决策分为横向决策和纵向决策：横向决策用于规划无碰撞路径；纵向决策用于规划平滑的速度曲线，提高智能车行驶过程的安全性和舒适性.

杜明博[1]为克服复杂场景对智能车决策实时性和准确性的影响，提出基于ID3决策树的驾驶行为决策模型，满足智能车对决策子系统的要求.张立增[2]提出基于机理和规则的智能车方向和速度混合决策模型，将安全性和合法性基于规则建模，以约束预瞄加速度可行域，提高智能车的行驶安全性.Gao 等[3]为解决传统决策方法在陌生或复杂条件下适应性较差问题，提出基于奖励和更新函数的强化Q 学习决策，随机模拟实验验证了其可行性.

已有方法能有效解决智能车决策问题且具有较好效果，但未考虑被决策对象所处环境对其行为约束及其运动状态的变化.基于此，本文提出基于行为识别的纵向决策方法.构建环境车辆运动模式识别模型，建立相应的轨迹预测方程并求解，提出基于预测轨迹的决策模型，对单个环境车辆做出纵向决策，并综合所有决策结果做出综合决策.

1 环境建模

使用同一环境模型描述空间域和时间域信息比较困难，故分……