论文部分内容阅读
无人驾驶汽车周边车辆行为识别及预测方法是实现无人驾驶技术的重要模块,该模块承接感知模块获得的周边车辆行驶信息,通过算法识别周边车辆的当前行为、预测其未来行为和轨迹,将识别及预测结果输入到决策规划模块中,作为该模块的参考信息。所以无人驾驶汽车周边车辆行为识别及预测模块能够保证其在真实交通场景下安全、高效地驾驶。本课题针对无人驾驶汽车在结构化道路上对周边车辆当前时刻的行为识别、对未来行为和未来轨迹的预测问题展开研究。一、比较了在车辆行为识别及预测领域两大自然驾驶车辆轨迹数据集,分析两个数据集的优缺点,为本文研究内容提供数据支持;描述了车辆行为的分类方式,将车辆横向行为作为本文研究重点并确定了观测序列对应行为标签的制作方法;引入轨迹片段坐标系,将原始数据集中的坐标系和无人驾驶汽车全局坐标系统一到同一坐标系下,同时指出邻居车辆对周边目标车辆行为的影响,在原始数据集中抽取相应的行为样本后建立了本文所需的车辆行为识别数据集、车辆行为及轨迹预测数据集。二、针对目前无人驾驶汽车周边车辆行为识别研究中,多数研究忽略了邻居车辆对周边目标车辆影响的问题,提出了一种将隐马尔可夫模型(Hidden Markov Model,HMM)和多层感知器(Multi-Layer Perceptron,MLP)结合的复合模型,利用HMM对目标车辆的横向位移,横纵向速度等连续观测变量的时序建模能力对车辆行为进行初步的识别,将各HMM行为识别模型输出的似然概率与目标车辆的邻居信息相结合,输入到MLP模型中完成对周边目标车辆最终的行为识别。通过模型在测试集上的表现验证了其有效性。三、提出了基于注意力机制的周边车辆行为及轨迹预测方法,在长短时记忆网络编码器-解码器架构的基础上加入注意力机制,使得在每个预测时步,算法能够根据各个历史时步信息对当前预测时步的影响大小而为其分配不同的权重;提出车辆和轨迹预测多任务训练方法使得模型能够同时对周边车辆未来行为和未来轨迹进行预测,该算法更加关注对周边车辆未来轨迹预测这一微观行为预测任务的效果,通过算法在测试集上的表现验证了其有效性。四、利用“艾瑞泽5E”实车实验平台,通过算法在真实场景下的表现,验证本文无人驾驶汽车周边车辆行为识别及预测方法的有效性和可靠性。