3.4基于规则智能驾驶行为模型

《3.4基于规则智能驾驶行为模型》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、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

2、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=30inphSped-chatFOLIOWIN(〕二trueThw-choice‘tn屺味(Thwrhoice)=(FOLLOWING)--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

3、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

4、航天大学学位论文[FATHENBA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

5、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

6、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规则的确定过程。