自动驾驶车辆结构化道路场景中变道/超车决策规划技术研究

作     者：王忠山 

作者单位：浙江科技大学 

学位级别：硕士

导师姓名：李培庆

授予年度：2024年

学科分类：082304[工学-载运工具运用工程] 08[工学] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

主      题：自动驾驶 行为决策 深度强化学习 路径规划 路径平滑 

摘      要：在自动驾驶技术迅猛发展的背景下,城市结构化道路交通场景下自动驾驶汽车的变道/超车行驶的行为决策和路径规划问题是车辆行驶过程中最常见也最为关键的问题之一,确保实现自动驾驶汽车的安全、高效变道和超车行驶,是能否实现完全自动驾驶技术面临的关键挑战。 为解决现有自动驾驶决策规划过程中,在面对复杂、动态的交通环境时自动驾驶行为决策系统制定行驶策略的局限性和安全性问题,以及路径规划过程中规划时间长、规划得到的路径过于曲折和动态环境适应性等问题。本文提出了一种将人类驾驶员经验作为先验知识的基于SAC(Soft Actor-Critic)深度强化学习算法的自动驾驶汽车变道/超车行为决策方法,减少了对状态空间的无效、盲目探索,提高了算法的学习效率。同时,在算法经验回放过程中,将TD误差(Temporal Difference Error)、即时奖励和车辆行驶速度三个因素进行加权概率选择,提高了历史经验的利用效率,使得训练得到算法更具鲁棒和全面性。此外,提出了一种基于采样并通过障碍物碰撞检测概率自适应加载引导路径的路径规划方法,提高了路径规划的效率。在规划过程中,引入障碍物边缘膨胀约束和基于障碍车辆轨迹预测的采样区域限制,确保搜索得到的路径始终在安全可行的范围之内,避免了潜在的碰撞风险,提高了路径的行驶安全性。最后,在路径后处理阶段,采用三角不等式同时结合车辆行驶运动学约束的方法去除初始规划路径上的冗余路径点,并利用三次样条B曲线的方法对路径进一步平滑,改善了路径的通行效率和乘坐舒适性。 通过在仿真环境中与其他决策规划算法的对比实验分析和实车测试,验证了本文提出的城市结构化道路行驶场景下自动驾驶汽车变道/超车行驶决策规划方法的有效性、可靠性和优越性。为复杂动态环境下的自动驾驶汽车行驶决策规划问题提供可靠且高效的解决方案,以及为自动驾驶技术的发展以及完全自动驾驶的实现提供了一定的支持。