基于多屬性決策的無人駕駛自主變道決策技術研究

李宇寂 魯奉軍 王迪 尚秉旭

（中國第一汽車股份有限公司 智能網聯開發院，長春 130013）

主題詞： 無人駕駛 行為決策 變道決策

1 前言

隨著無人駕駛技術的飛速發展，無人駕駛汽車的運行環境也從單一的封閉場地擴展到普通的開放城市道路，城市道路的最基本工況是車道保持和車道變換。隨著車輛上布置的傳感器不斷豐富，無人駕駛系統可以從周圍環境獲得更多的信息，從而為車輛自主判斷行為決策帶來可能。然而即使是有經驗的駕駛員在做變道動作的時候也是格外小心，因此無人駕駛系統進行變道行為分析需要非常的準確和謹慎，才能保證足夠的安全性，這也正是目前為止還沒有非常完善的無人駕駛變道系統的原因。針對無人車的行為決策難題，不同的學者提出了多種方法來輔助車輛進行自主決策：熊璐[1]對無人駕駛系統的行為決策技術現狀做了綜述，提出目前行為決策技術主要分基于規則的決策和基于學習的決策兩大方向；杜明博[2]提出通過決策樹的計算來進行車輛動作的判斷；陳佳佳[3]提出一種新的駕駛行為灰色理想值逼近模型，用于進行決策評判，使得被選方案不僅在空間位置上與最優方案較為接近，同時，其模型形狀也貼近于最優方案。

本文提出一種新穎和精確的變道決策技術，其整個系統的處理過程為：先根據不同決策（車道保持、向左換道和向右換道）所對應的不同車輛周圍環境，計算其所生成的安全性指標集，再將其乘以相應的權重從而得到不同的安全性概率，最后選取最大的概率所對應的車輛動作作為最終行為決策的輸出。

2 車輛行駛時采取變道行為的相關決定因素

有經驗的駕駛員使車輛的駕駛狀態一直處在自己的監視中，并對其進行評估，而這個評估的結果也就是當時的駕駛風險。駕駛風險通常反映了駕駛員對當前駕駛環境的理解，因此也很大程度上反映了無人駕駛車輛需要關注的環境風險以及不同風險對應的重要程度。在變道行為決策中，有經驗的駕駛員主要關注車輛與前后左右障礙物的相對距離以及相對速度，選擇最安全的路線進行行駛。無人駕駛車輛同樣需要結合周圍障礙物的相對位置關系以及相對速度關系來進行接下來行為的判斷，選擇風險最小的駕駛行為決策。

根據車輛與障礙物的相對位置關系和相對速度關系選擇如下5類指標作為變道行為的相關決定因素。

（1）車輛的車道居中指標

（2）車輛與前方障礙物的相對距離

（3）車輛與后方障礙物的相對距離

（4）車輛與前方障礙物的安全性指標

（5）車輛與后方障礙物的安全性指標

車道居中指標：車輛在正常行駛時，應該盡量保持在道路中間，并且出于安全考慮不應頻繁變道，所以將傳感器獲得的車輛與左右邊界的距離轉換成車輛的車道居中指標。

車輛與前方障礙物的相對距離：車輛距離前方障礙物的距離能有效反映車輛是否處于安全狀態，該距離越長車輛越安全。車輛在當前時刻進行車道保持或者向左變道，向右變道決策時，與前方障礙物存在不同的相對位置關系，從而得到不同的相對距離指標。

車輛與后方障礙物的相對距離：同車輛與前方障礙物的相對距離指標，車輛在當前時刻進行車道保持或者左右換道決策時，與后方障礙物存在不同的相對位置關系，從而得到不同的相對距離。

車輛與前方障礙物的安全性指標：車輛距離前后方障礙物的安全距離雖然能一定程度上反映車輛的安全狀態，但由于車輛與障礙物的相對速度也會影響車輛的安全狀態，所以必須要同時引入相對距離和相對速度才能得到車輛與前方障礙物的安全性指標。

車輛與后方障礙物的安全性指標：與車輛與前方障礙物的安全性指標類似，區別僅在于研究對象變為車輛后方的障礙物。

3 變道行為相關決定因素的權重

在無人駕駛的行為決策中，不同指標在決策中所起作用的大小是不同的，正如有經驗的駕駛員會將更多的精力放在與前車距離的控制上，而將較少的精力用于使車輛保持在車道線中央。因此為了準確地輸出變道決策無人駕駛策略的研究者需要給不同的指標更準確的描述，將指標集根據影響因素的大小分成主要指標和次要指標，并配以不同的權重，最終組成合理的屬性指標集。

4 不同指標的求解

為了完成上述5類指標的定量計算，需要車輛多個傳感器輸入不同的感知信息，需求的傳感器信號輸入如表1所示。

表1 傳感器信號輸入

4.1 車輛的車道居中指標

車輛在正常行駛時，應該盡量保持處在道路中央，并且出于安全考慮不應該經常變道，所以可以將傳感器輸出的車輛與左右邊界的距離轉換成車輛居中的指標，計算如下：

如圖1，Distance1和Distance2如表1所示為車輛與左右兩側邊界的距離，DistanceMax為車輛距離左右兩側道路邊界距離差的最大值。

4.2 車輛與前方或者后方障礙物的相對距離

車輛距離前后方障礙物的距離通常能有效的反應車輛是否處于安全的狀態，距離越遠越安全，由于傳感器的有效探測距離是有限的，所以可以設定安全距離為其探測的最大有效范圍，認為前方或者后方障礙物距離在其有效范圍以外是安全距離，此時車輛可以繼續車道保持行駛。

圖1 車輛前后和左右道路邊界的距離

如表1，DistanceX表示車輛與前后方障礙物的距離 （Distance3，Distance4，Distance5，Distance6，Distance7，Distance8）；DistanceSafe為設定的安全距離

4.3 車輛與前方或者后方障礙物的安全性指標

車輛距離前后方障礙物的安全距離指標雖然能一定程度上反應車輛的安全狀態，但由于車輛與障礙物的相對速度也會影響車輛的安全狀態，所以必須要同時引入相對距離和相對速度才能得到車輛與障礙物的安全性指標

參看圖1，DistanceX表示車輛與前后方障礙物的 距 離（Distance3，Distance4，Distance5，Distance6，Distance7，Distance8），RangeRateX表示車輛與前后方障 礙 物 的 相 對 速 度（RangeRate1，RangeRate2，RangeRate3，RangeRate4，RangeRate5，RangeRate6），RangeAcceleration為設定的相對加速度，WarningDistance為根據當前相對速度和相對加速度計算的安全警示距離。

5 多屬性決策指標權重的計算

在求解多屬性決策問題的過程中，使用權重值來定量地表示屬性間相對的重要程度。設wj為屬性Cj的權重值，則有=1。采用經典層次分析法來確定由熟練駕駛員駕駛經驗制定的決策矩陣主觀權重，針對駕駛員選取相應駕駛行為所關注因素的不同，對熟練駕駛員進行問卷調查，獲取駕駛決策過程中的主要屬性值，確定各屬性基于駕駛經驗的權重。

6 車輛行為決策的輸出

雖然很多因素都會影響車輛在當前情況下的行為決策，但不同的因素對最終決策影響度是不同的，因此需要對不同因素賦予不同的權重。通常認為車輛的車道居中指標和相對距離指標只能部分反映車輛所處的安全狀態，車輛的安全性指標更能決定車輛與前后方障礙物的安全性，所以實際策略中會對車輛的安全性指標賦予更大的權重。最終的決策輸出為先根據不同的指標乘以相應的權重得到不同的安全性概率，再選取最大的概率所對應的車輛動作，作為最終行為決策的輸出。

其中Pr obVector表示車輛執行不同動作（車道保持、向左變道和向右變道）所對應的安全性概率向量，IndexMatr ix表示車輛的決策矩陣（由車道居中指標、相對距離指標和安全性指標構成），WeightVector表示不同指標賦予的權重。

7 實驗測試

為驗證變道決策算法的正確性，在紅旗H7車型上進行實車驗證，通過激光雷達獲得車輛周圍障礙物的信息，在Autobox（快速原型控制器）上運行變道決策模型計算決策輸出，實際測試時，讓車輛分別以不同的速度三次接近前方障礙車輛，最終得到如下三組實驗結果。

圖2 數據序列分析結果

結合圖2和圖3可以看出：

（1）車輛在這輪試驗中以不同的相對速度總共進行了3次靠近障礙物的試驗，分別在不同的相對距離下得到了3次變道決策的輸出。

圖3 向左變道采集的數據系列分析

（2）從圖2可以看出，實車的試驗過程中，在一定的相對速度下，當車輛與前方障礙物距離小于決策的分界點時，系統會輸出向左變道的決策。

（3）從圖3可以看出，前兩次變道決策輸出時，車輛與障礙物的相對速度比較一致此時決策的分界點也較接近，最后一次變道決策輸出時，車輛與障礙物的相對速度比前兩次大，此時決策的分界點對應的相對距離明顯大于前兩次變道命令輸出的相對距離。

8 結論及啟示

本文為無人駕駛汽車設計了一套精確的變道行為決策系統，通過傳感器感知車輛周圍不同障礙車輛的相對位置關系，計算其所生成的安全性指標集，再將其乘以相應的權重從而得到不同的安全性概率，最后選取最大的概率所對應的車輛動作作為最終行為決策的輸出。

在復雜的交通環境下，安全保守的駕駛決策是最穩妥的駕駛策略，即使對于有經驗的駕駛員變道超車也不會是經常的行為，本文提出的決策技術是定量計算各項指標來決定決策輸出，并沒有完全借鑒熟練駕駛員的類人化駕駛策略，因此某些情況下不會是最舒適的決策；同時為了得到更高的通行效率，車輛可以在保證安全的前提下采用更激進的變道決策，這樣就需要對影響變道決策的因素進行更精細和全面的計算，同時結合通行效率的因素，這也正是未來的工作方向。