引力理論框架下基于綜合競爭力的自動駕駛擬人換道決策模型

裴玉龍，傅博涵，王子奇，張杰,2

(1.東北林業大學，土木與交通學院，哈爾濱 150040；2.寧德師范學院，信息與機電工程學院，福建寧德 352100)

0 引言

智能網聯自動駕駛車輛(Connected-automated Vehicle,CAV) 和人工駕駛車輛(Human-driving Vehicle,HV)的區別在于對于周圍信息感知的全面性和決策與執行的即時性，相比于傳統的HV，CAV對安全距離和可接受換道間隙等的判斷依據不同，可以在更苛刻的條件下做出合理的換道決策，還可以通過實時信息交流與周邊車輛實現協同換道策略，并且使其換道行為對交通運行效率的影響降到最低。未來CAV 的市場滲透率將持續升高，換道決策是自動駕駛行為決策中極其重要的一部分，也是交通領域的研究熱點之一，故研究智能網聯環境下車輛的換道決策十分必要。

近年來，基于力場、勢場、分子動力學及機器學習等相關理論的模型及構建方法推廣至交通研究領域，并取得了一定的研究成果。秦雅琴等[1]采用社會力模型研究事故瓶頸影響下的換道決策行為。考慮到車流中系統的相似性，曲大義等[2]將微觀車輛比作分子，基于分子動力學理論及動態影響因素建立分子動力學換道模型，更客觀地展現自動駕駛車輛的換道行為特性。利用深度學習方式進行換道決策模型的構建也是當今研究的熱點之一，基于規則與機器學習融合[3]和貝葉斯優化算法[4]的車輛換道決策模型，通常以提升決策準確度和識別率為目標，通過決策樹提取換道特征和規則，實現換道決策的預測。……