非交叉路段智能车决策规划算法研究.pdf

摘要

随着电动汽车、人工智能、传感器技术、5G通信等新技术的不断发展，智能网联汽

车将成为“中国制造2025”、“互联网+”等重大国家发展战略中的重要支柱。决策规划

系统作为自动驾驶车辆的核心系统之一，担负着引导车辆安全、高效地通过各种复杂路

段，也因此决定了自动驾驶的智能化程度。根据科技部国家重点研发计划“电动自动驾

驶汽车关键技术研究及示范运行”，本文对非交叉道路中自动驾驶车辆的决策规划算法

进行研究，通过机器学习对决策系统进行建模，规划系统根据决策结果进行路径和速度

的规划，从而使车辆能够快速选择合适的目标车道并规划出安全、合法、舒适的轨迹。

本文首先处理公共自动驾驶数据集——NextGenerationSIMulation(NGSIM)，并

将处理后的数据作为决策网络的原始数据，接着对原始数据进行清洗，主要包括数据预

处理、决策场景提取和数据生成三个过程，使其满足网络输入格式的要求。其次，在

Prescan仿真过程中，仿真传感器的数据也需要经过算法的处理才能输入到决策网络中

进行决策，其中包括使用激光雷达进行目标检测、使用毫米波雷达对环境车的运动信息

进行提取等。

决策网络的输入数据准备好后，接下来将使用这些数据做出决策并规划出合理的路

径。决策系统主要采用了基于全连接前馈神经网络的决策系统、基于循环神经网络的决

策系统和基于自动机器学习的决策系统三种方式，根据每种模型的特点选择合适的网络

参数和训练参数进行训练，通过比较三种不同网络在数据集上的表现，选取最优的网络

作为决策模型。运动规划算法首先根据决策结果中的目标车道，使用RRT*算法规划一条

路径，如果在规定的时间内规划失败，则保持当前车道行驶，如果规划成功，则根据规

划的路径进行轨迹平滑和速度规划。轨迹平滑和速度规划都将采用优化的方式，分别设

置等式和不等式约束，并选择相应的优化目标函数进行优化，为保证轨迹和速度的连续

性并简化计算，轨迹和速度方程都使用三次多项式来表示。

最后，本文搭建了基于ROS和Prescan的联合仿真环境，在动态验证之前，先选择

最优的决策网络，并验证了运动规划算法的有效性，接着进行三种动态工况的仿真，最

终的结果体现了本文决策规划算法有效性。

关键词：

自动驾驶；机器学习；环境感知；行为决策；运动规划

Abstract

Withthecontinuousdevelopmentofnewtechnologiessuchaselectricvehicles,artificial

intelligence,sensortechnologyand5Gcommunication,intelligentnetworkedvehicleswill

becomeanimportantpillarinmajornationaldevelopmentstrategiessuchasMadeinChina

2025andInternet+.Asoneofthecoresystemsofautonomousvehicles,thedecision

planningsystemisresponsibleforguidingthevehiclethroughvariouscomplexroadssafely

andefficiently,andthereforedeterminestheintelligenceofautonomousdriving.Inthispaper,

basedontheNationalKeyResearchandDevelopmentProgramoftheMinistryofScienceand

Technology,ResearchonKeyTechnologiesofElectricAutonomousVehiclesand

DemonstrationOperation,westudythedecisionplanningalgorithmofautonomousvehicles

innon-crossi