新加坡南洋理工大学AUTOMAN团队：考虑个性化驾驶行为的网联自动驾驶汽车无信号环岛路口驾驶冲突解决方法丨GEITS

近日， 新加坡南洋理工大学助理教授吕辰博士领衔的AutoMan（自动驾驶与人机系统实验室）团队在本刊上发表了题为“Conflict Resolution for Connected Automated Vehicles at Unsignalized Roundabouts Considering Personalized Driving Behaviours”的研究论文。

该论文聚焦网联自动驾驶汽车在无信号环岛路口的驾驶冲突问题，考虑个性化驾驶行为，建立了网联自动驾驶汽车的交互模型，提出了基于合作博弈的协同决策算法。试验结果表明所提出的协同决策算法能够显著提高网联自动驾驶汽车在无信号环岛路口的驾驶安全性与通行效率。

在复杂的城市交通环境下，路口一直是驾驶冲突的聚集地与交通事故的多发地，特别是在无信号路口，这种矛盾更为尖锐，对行车安全构成挑战。随着网联自动驾驶技术的发展，汽车之间可以实现状态共享、意图共享，最终实现协同驾驶，以解决复杂交通环境下的驾驶冲突问题，提升车辆的安全性、舒适性、通行效率、经济性等各方面性能。在无信号路口的驾驶冲突问题中，现有的协同决策算法大都从提高交通系统效率的角度出发，把网联自动驾驶汽车当成多智能体，通过多智能体控制方法，寻求最优的通行序列与速度，忽略了每个汽车的个性化驾驶需求与车车之间的交互行为，在行驶安全性、乘坐舒适性、和通行效率等指标上无法实现动态调节。鉴于此，本文提出了考虑个性化驾驶行为的网联自动驾驶汽车无信号环岛路口驾驶冲突解决方法。

以单车道无信号环岛路口为例，车辆的驾驶冲突主要包括汇流冲突与跟驰冲突。为解决网联自动驾驶汽车在无信号环岛路口的驾驶冲突，并考虑个性化驾驶，本文提出了基于合作博弈的协同决策方法。协同决策框架如图1所示，建模模块基于车辆模型设计了运动预测算法，此外，为实现个性化驾驶，为网联自动驾驶汽车定义了不同的类人驾驶风格，运动预测和驾驶风格的结果将输出到决策成本函数。在决策成本函数的设计上，综合考虑不同的驾驶性能需求，包括驾驶安全性、乘坐舒适性和通过效率。最后，根据网联自动驾驶汽车在无信号环岛的决策成本函数，构建多重约束，将合作博弈方法应用于网联自动驾驶汽车的交互建模与决策算法设计，最终实现协同决策。

图 1 考虑个性化驾驶行为的网联自动驾驶汽车协同决策

本文在决策算法中考虑了网联自动驾驶汽车的个性化驾驶偏好，通过驾驶安全性、乘坐舒适性和通行效率来表征。在试验验证中，评估了运动预测时域大小对决策性能的影响，为如何平衡决策安全性和算法计算效率之间的矛盾提供了理论参考；同时评估了不同驾驶风格的网联自动驾驶汽车在协同决策中的行为表现。

使用SCALEXIO AutoBox搭建了硬件在环（HIL）测试平台，如图 2所示。硬件平台主要由主机和SCALEXIO AutoBox两部分组成。软件平台由Matlab/Simulink、ConfigurationDesk、ControlDesk三部分组成。进行试验时，所有算法都在硬件中运行， 通过ControlDesk软件，在上位机上监控和记录测试数据。基于该平台验证了协同决策算法的可行性与实时性，为后续将算法应用于车载控制器奠定基础。

图 2 基于dSPACE的硬件在环试验平台

为了评估不同驾驶风格对CAV（ Connected Automated Vehicles，智能网联汽车 ）协同决策结果的影响，设计了四个测试工况来反映多个CAV驾驶风格的组合。基于HIL测试平台进行了试验验证， 试验结果如图3所示。结果证明所提出的协同决策算法可以使CAV实现协同决策以解决无信号环岛处的驾驶冲突。此外，不同的驾驶风格会导致不同的决策结果：激进型的驾驶风格偏重更高的通行效率，保守型的驾驶风格偏重更高的驾驶安全性，一般性的驾驶风格介于两者之间。这说明所提出的决策算法可以保证个性化的驾驶需求。从HIL测试结果，我们可以得出结论，所提出的协作决策算法可以帮助CAV解决无信号环岛的驾驶冲突。同时，CAV的个性化驾驶偏好可以在决策过程中得到保证。此外，通过硬件在环测试验证了所提决策算法的有效性、可行性和实时性。