基于交互风险场模型的智能车辆换道路径规划方法研究

摘要

为完善智能驾驶车辆换道决策时对于周围各类风险的评估能力，提出了一种基于交互风险场模型的智能车辆换道路径规划方法。针对智能车辆行驶环境，构建向量化地图。分别构建基于特征金字塔的障碍车辆特征编码网络及基于空洞卷积的车道线节点特征编码网络，完成对障碍车辆及车道线节点的特征编码;针对换道风险评估中行驶场景不同对象之间的交互关系，分别构建基于注意力机制及图卷积网络的车-路、路-路、路-车、车-车4种交互网络，以准确评估障碍车辆动、静态碰撞风险及车道偏离风险;针对向量化地图，逐节点的对行车风险场进行建模，并采用自适应网格法对行车风险场进行离散化处理。通过包含行车风险的代价函数对路径簇进行代价评估并筛选出最优路径。基于Argoverse数据集某真实交通场景进行仿真验证，结果表明:所提出的换道路径规划方法可有效提高对于动态障碍物及车道环境变化的碰撞风险评估能力，从而提前规避风险，提升了换道决策规划系统对于复杂交通环境的适应性以及换道轨迹的平滑性。

关键词

路径规划 / 轨迹预测 / 自适应网格 / 图神经网络