無(wú)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(duì)于提高交通系統(tǒng)的運(yùn)行效率、改變?nèi)祟惖某鲂心Ｊ綄a(chǎn)生深遠(yuǎn)的影響。行為決策系統(tǒng)是無(wú)人駕駛車輛的重要組成部分,作為無(wú)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(duì)于提高無(wú)人駕駛車輛的安全性與自主性、促進(jìn)其早日產(chǎn)業(yè)化,具有重要的意義。目前,無(wú)人駕駛車輛行為決策方法主要存在以下問題:一是駕駛場(chǎng)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(yàn)等)無(wú)法有效表達(dá)和充分利用;二是行為決策方法對(duì)駕駛場(chǎng)景的適應(yīng)性不足,當(dāng)面臨新的駕駛場(chǎng)景時(shí),需要對(duì)控制邏輯做大量調(diào)整。針對(duì)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?jī)?nèi)容如下:(1)針對(duì)駕駛場(chǎng)景中行為決策知識(shí)無(wú)法有效表達(dá)和充分利用的問題,本文采用基于本體論的方法對(duì)駕駛場(chǎng)景進(jìn)行建模。通過分析駕駛場(chǎng)景中“人-車-路”之間的關(guān)系,提取駕駛場(chǎng)景中的道路路網(wǎng)、交通參與者、道路交通設(shè)施等知識(shí),建立駕駛場(chǎng)景的本體概念模型。經(jīng)過先驗(yàn)道路信息和環(huán)境感知信息實(shí)例化后,獲得OWL2描述的本體知識(shí)庫(kù)。(2...

【文章頁(yè)數(shù)】：91 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１狀態(tài)機(jī)模型??３??

１．１（ａ）；?ＢＯＳＳ車隊(duì)［７］利用ＨＳＭ進(jìn)行行為決策，設(shè)計(jì)了?３個(gè)頂層行為包括車道行??駛、路口處理和到達(dá)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(duì)［８］利用陽(yáng)＼４進(jìn)行行為決策，設(shè)計(jì)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(lái)為屬性分配權(quán)重，ＴＯＰＳＩＳ用來(lái)將結(jié)果進(jìn)行排??序，其實(shí)驗(yàn)結(jié)果表明，能在復(fù)雜場(chǎng)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(duì)［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(duì)訓(xùn)練數(shù)據(jù)依賴大，??訓(xùn)練時(shí)間較長(zhǎng)；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(duì)無(wú)人車場(chǎng)景進(jìn)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(shí)庫(kù)中包含的ＳＷＲＬ規(guī)則進(jìn)行匹配，再利用ＳＰＡＲＱＬ查??詢引擎得出當(dāng)前場(chǎng)景對(duì)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(píng)估、篩選駕駛案例來(lái)構(gòu)建案例庫(kù)，?....

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

ｍＷｔ：：：?ｊ?’丄?ｊ：??（ｂ）馬爾科夫決策過程（ＰＯＭＤＰ）示例場(chǎng)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(duì)訓(xùn)練數(shù)據(jù)依賴大，??訓(xùn)練時(shí)間較長(zhǎng)；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(hào)：4053795