基于动态概率网格和贝叶斯决策网络的车辆变道辅助驾驶决策方法

摘要

提出了一种车辆变道辅助决策方法,向驾驶人提供变道行为决策;构建了由车载GPS、相机传感器和雷达组成的行车环境信息传感装置,利用非采样B样条曲线模型对车道线建模,通过控制点位置求解与搜索策略实现车道线的检测、跟踪与类型识别;根据车道线信息确立有效行车区域,并建立了一种动态概率网格的行车环境几何模型,对有效行车区域进行紧凑型表征;考虑了车辆对行车环境表征结果可靠性的影响,根据高斯分布将车辆位置信息映射到动态概率网格中,计算了每个行车单元的占用概率;将车道线信息与网格单元占用概率作为初始节点状态参数,输入贝叶斯决策网络,估计概率网格单元的占用状态,量化输出当前行车环境表征结果以及不变道、向左变道、向右变道3种变道决策的期望效用值,通过计算各决策的期望效用值比率确定最优变道决策。试验结果表明:在场景1中"向左变道"决策的期望效用值最大,为0.70,视为最优决策,在其动态概率网格中,右侧车道线"实线"状态参数为100.00%,因此,"向右变道"决策效用期望值最小,决策系统输出的最优决策"不变道"符合中国交通法规,也表明检测车道线类型的必要性;场景2的"不变道"和"向右变道"决策期望效用值分别为0.43和0.44,比率接近1,无法判断最优决策,驾驶人可根据经验决定是否变道。