發(fā)布時間：2025-06-27 04:17

　　無人駕駛車輛可以有效地提高行車安全、減少污染物的排放以及緩解城市交通擁堵的壓力,對于提高交通系統(tǒng)的運行效率、改變?nèi)祟惖某鲂心Ｊ綄�產(chǎn)生深遠的影響。行為決策系統(tǒng)是無人駕駛車輛的重要組成部分,作為無人駕駛車輛的“大腦”,行為決策方法的優(yōu)劣將直接影響其行駛速度、安全性、適應(yīng)性與智能性。研究高效可靠的行為決策方法,對于提高無人駕駛車輛的安全性與自主性、促進其早日產(chǎn)業(yè)化,具有重要的意義。目前,無人駕駛車輛行為決策方法主要存在以下問題:一是駕駛場景中存在的多源異構(gòu)信息(如道路路網(wǎng)元素、交通參與者、交通規(guī)則和駕駛經(jīng)驗等)無法有效表達和充分利用;二是行為決策方法對駕駛場景的適應(yīng)性不足,當面臨新的駕駛場景時,需要對控制邏輯做大量調(diào)整。針對上述問題,本文提出了基于本體論的行為決策方法。具體的研究內(nèi)容如下:(1)針對駕駛場景中行為決策知識無法有效表達和充分利用的問題,本文采用基于本體論的方法對駕駛場景進行建模。通過分析駕駛場景中“人-車-路”之間的關(guān)系,提取駕駛場景中的道路路網(wǎng)、交通參與者、道路交通設(shè)施等知識,建立駕駛場景的本體概念模型。經(jīng)過先驗道路信息和環(huán)境感知信息實例化后,獲得OWL2描述的本體知識庫。(2...

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１狀態(tài)機模型??３??

１．１（ａ）；?ＢＯＳＳ車隊［７］利用ＨＳＭ進行行為決策，設(shè)計了?３個頂層行為包括車道行??駛、路口處理和到達指定位姿，以及頂層行為下面的一些子行為，其ＨＳＭ模型??如圖１．１（ｂ）；?ＡｎｎｉｅＷａｙ車隊［８］利用陽＼４進行行為決策，設(shè)計的頂層行為有：路??上行駛、路口行駛、非....

圖１．３基于效用的決策模型??５??

和ＡＨＰ?（層次分析法），ＡＨＰ用來為屬性分配權(quán)重，ＴＯＰＳＩＳ用來將結(jié)果進行排??序，其實驗結(jié)果表明，能在復(fù)雜場景中做出合理決策，其駕駛行為的決策層次如??圖１．３（ａ）；?ＤＡＰＲＡ?２００７比賽中的Ｃａｒｏｌｉｎｅ車隊［１５］的行為決策系統(tǒng)使用ＤＡＭＮ??（Ｄｉｓｔｒｉｂｕ....

圖１．４基于學(xué)習(xí)的決策模型??基于神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)的方法透明性差，可追溯性差，對訓(xùn)練數(shù)據(jù)依賴大，??訓(xùn)練時間較長；馬爾科夫決策過程能很好的解決不確定環(huán)境下的決策問題，但其??

使用本體技術(shù)對無人車場景進行建模，將輸入的傳感器數(shù)據(jù)保存為ＲＤＦ??三元組形式，通過與知識庫中包含的ＳＷＲＬ規(guī)則進行匹配，再利用ＳＰＡＲＱＬ查??詢引擎得出當前場景對應(yīng)的決策，圖１．５（ａ）是其決策系統(tǒng)框圖。??基于案例的推理系統(tǒng)中，要不斷采集、評估、篩選駕駛案例來構(gòu)建案例庫，?....

圖１．?５基于知識推理的決策模型??基于知識的推理決策模型可以清晰描述駕駛場景信息，將駕駛知識與控制邏??輯分離

ｍＷｔ：：：?ｊ?’丄?ｊ：??（ｂ）馬爾科夫決策過程（ＰＯＭＤＰ）示例場景??圖１．４基于學(xué)習(xí)的決策模型??基于神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)的方法透明性差，可追溯性差，對訓(xùn)練數(shù)據(jù)依賴大，??訓(xùn)練時間較長；馬爾科夫決策過程能很好的解決不確定環(huán)境下的決策問題，但其??狀態(tài)空間極為龐大，容易出....

本文編號：4053795