3.4基于规则智能驾驶行为模型.pdfVIP

北京航空航天大学学位论文 制标志)和Lead_carinsamelane(路线前面有车)时，规则定义为: If(Limitsigninview)then(SPEEDLIMIT=posted_limit) If(Lead_carinsamelane)then(FOLLOWING=true) 其中SPEED_LIMIT(速度限制)、FOLLOWING(跟车)是context中定义的关键字。 行为决策的流程如图3.6所示，图中Thw-chioce表示当前驾驶行为选择，当context-list 中FOLLOWING关键字为真时，虚拟驾驶者所采用的行为规则就是FOLLOWING，在 Behaviour-list中速度选择和行为选择两项都为真，表示进行了速度和行为的调整。 SPEED-LIhtIT=30inph Speed-chat FOLIOWIN(〕二true Thw-choice‘tn屺 味 T(hwrhoi ce)=F(OLLOWING)--A 图3.6行为决策流程图 对两者的比较:在解决精度较高的问题上人工神经元网络方法较有优势，但它必须 要求有足够多的训练样本，这些训练样本必须通过足够的实验数据得到，并且要保证训 练样本的准确性，否则系统不会收敛，在这点上我们没有足够的实验条件;而基于规则 的系统中，可以用简单的规则解决比较复杂的驾驶问题，并且驾驶行为中经验、规律的 东西很多，所用到的驾驶行为知识很容易得到，同时利兹大学基于规则的驾驶行为模型 也为本课题提供了很大的启发，因此本课题采用基于规则的智能驾驶行为模型，重点实 现了虚拟人对于静态道路情况和动态车辆情况的响应行为。事实上，基于规则的模型在 驾驶行为仿真中也是最为常见的。 3.4基于规则的智能驾驶行为模型 一个基于规则的系统由输入、规则、推理机制组成。输入指外部的输入参数信息。 规则是基于规则系统的核心，规则的确定就是将己有的知识按规则的格式进行归纳。规 则的格式一般如下: 24 北京航空航天大学学位论文 [F A THEN B A为规则的先决条件，B为规则的先决条件得到满足时所采取的行为决策或得到的 结论。规则的先决条件，一般通过对系统的输入参数进行逻辑运算得到。而规则中的结 沦或行为决策，既是规则内容也可视为系统的输出。一系列规则的集合称为规则库，基 于规则系统的推理机制指系统对规则进行匹配所采用的方法。 3.4.1输入参数及推理机制 虚拟人驾驶虚拟车 (为与环境中其它虚拟车区分，称虚拟人驾驶的车为本车)沿既 定路线前进时，要根据道路几何信息，如路线的曲率半径、路面高度、路中障碍物的位 置和大小和路上交通状况，如前方来车或后方来车 (统称为干扰车)的位置和速度等做 出驾驶决策。其中很重要的几个因素是本车与干扰车的相对位置、相对速度和道路限制。 因为只有确定了本车与干扰车的相对位置和速度，虚拟人才能判断干扰车对本车有无潜 在碰撞危险，应该怎样避开;在决定采取何种驾驶行为时，道路的限制也是一个重要因 素，道路的限制以横向限制为主，比如后面有干扰车追上来，而道路很窄，不允许本车 让出行车道时，虚拟人只能选择加速。因此将系统输入确定为本车的驾车速度、干扰车 辆与本车的相对位置 (纵向、横向)、干扰车的速度及道路边界。 推理机制是对规则进行匹配所使用的方法。在本课题中，推理是简单的循环，逐一 对各规则的先决条件进行匹配，如果不符合该规则的先决条件，就转到下一条规则，使 用程序的循环和顺序执行实现。事实上，一个完善的基于规则的系统的推理机制在条件 匹配的同时还具有自学习能力，能够优化匹配过程。对于这些内容，因为不是研究重点， 本课题中未进行探讨。 3.4.2规则的确定 本课题所设计的智能驾驶行为模型中，规则的先决条件由对系统的各种输入信息进 行分析运算得到，而规则的行为决策就是各种驾驶行为如超车、加速、躲闪等，整个处 理过程就是驾驶行为分层结构中第二层即规划层的内容。 将复杂的驾驶行为归纳为有限的规则就是