3.3.1虚拟人智能驾驶行为分析.pdfVIP

北京航空航天大学学位论文 高层次的智能行为一般为复杂的分析决策和任务规划行为 (strategyandplanning). 这种行为比较复杂，它在导向行为基础上对生物行为进行了更深入的研究，在对行为进 行规划的基础上并加以实施，比如虚拟人为最快的到达日标，能规划一条最优路径;虚 拟动物感知到前面有猎物时，做出决策进行追赶。这样的智能行为有时必须借助高级的 人丁智能技术及并行网络、状态机等工具来实现。而且随着遗传算法、人工神经元网络 等技术的发展，意识、记忆也逐渐加入到智能行为的研究中。 上述两个层次行为并不是孤立的，一般都是将它们结合起来运用。本课题所研究的 虚拟人的智能驾驶行为具有人类驾驶者所特有的意图和行为规划，属于高层次的智能行 为;但对于一些情况的处理如依据地形调整速度方向的局部路径规划则属于导向行为的 范畴。 3.3智能驾驶行为模型 3.3.1虚拟人的智能驾驶行为分析 虚拟人的智能驾驶行为处理过程与真人驾驶类似，即获得信息后经过分析处理做出 驾驶决策，再通过对虚拟车辆速度和角度的改变完成这些规划。 真人驾驶行为的复杂之处在于，驾驶者随机做出反应时，没有一个统一的标准处理 模式。一种情况有多种处理方案，驾驶者当时的意图以及其性格特征等不定因素在很大 程度上影响他的行为。而在处理虚拟人的驾驶行为时，情况有所简化。常见的虚拟人的 智能驾驶行为多为低级的导向行为，即实时根据当前虚拟环境情况规划出可行路径，一 般就是沿道路形状前进，此时虚拟人没有有目的和意识的规划行为。 随着计算机处理速度的提高和人工智能、心理学等多学科交又研究的进展，虚拟人 的驾驶行为模型正逐步贴近真实，除了有当前环境的几何信息寻求可行路径外，还具备 一定的意图，可以规划较复杂的行为，并且驾驶者的心理状态作为影响其行为的因素也 逐步被JI入此领域[161 本课题中的虚拟人驾驶不涉及全局规划，即其总体行驶路线是确定好的。对于虚拟 人的智能驾驶行为的研究内容主要针对驾驶行为分层结构的后两层，研究虚拟人在沿既 北京航空航天大学学位论文 定路线前进过程中，针对它遇到的各种虚拟交通情况所进行的驾驶反应行为。这两个层 次在虚拟世界问题中较有普遍意义。 3.3.2方案选择 虚拟人驾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)，路上随机交通状况 (如前方来车与后方来车的情况) 等多种静、动态信息随时调整虚拟车辆的方向和速度。类似于真实驾驶者，虚拟人处理 这些情况时，其驾驶行为是一个从安全角度出发的综合规划的观念:而且在处理同一种 情况时，其解决问题的方案也不唯一，这就是行为的不确定性和多样性。 驾驶行为的这些特点决定了难于抽象出其精确的数值模型。同时，用统一的算法将 其实现也不可能。高级的人工智能方法主要用于解决此类用传统方法难以解决的问题如 模型具有不确定性、任务要求比较复杂的情况。用于模拟人的驾驶行为的智能方法包括 人工神经元网络、专家系统、模糊系统等。本课题在虚拟人的智能行为模型实现方法的 选择中，曾考虑人工神经元网络和专家系统的基于规则方法。 t人工神经元网络 人工神经元网络方法即采用可实现的系统 (物体硬件或软件)来模仿人脑神经元细 胞的结构和功能，使人工神经元网络具有生物神经网络的某些功能，如学习、识别、控 制等。该网络结构一般由多个神经元组成，神经元之间通过连接权系数进行连接，在模 型建立时连接权系数是未知的，通过给出多个输入及相对应的输出，系统自学习的得到 连接权系数，每个输入和与其相对应的输出称为训练样本。其系统结构如图3.4所示。 1989年Nguyen和Widrow曾用人工神经元网络的B-P多层前馈网络方法解决了车辆的 倒车行为，使卡车能倒车到码头指定位置进行装卸作业。用理想轨迹作为样本进行网络 的学习，样本输入是汽车起点的二维坐标和卡车与水平面的夹角，样本输出是方向盘转 角，当训练样本布满整个码头平面时，在任何初始值下卡车都可以正确倒车到预定位置 1171 22