1.一种拟人化的虚拟测试场景多背景车协同决策方法,其特征在于,包括以下步骤:S1:基于图结构构建多车的动态交通图;
S2:搭建参数共享的生成对抗模仿学习框架,将经过图注意力网络优化后的节点特征输入给强化学习网络生成序列化控制指令,利用共享评分参数的判别器将生成的控制指令与专家数据的状态-动作对进行对比,以迭代优化控制指令生成器;
S3:引入潜在因素变量表征驾驶风格,结合显式规则惩罚和隐式对抗奖励,增强策略拟人化;
S4:通过多轮迭代生成高度拟人化的多背景车序列协同控制指令;
所述基于图结构构建多车的动态交通图为:
使用扩展卡尔曼滤波对原始交通数据清洗,生成结构化专家数据集;提取节点特征,基于车头时距对驾驶风格聚类;以车辆为节点,通过交互关系计算边权重,构建动态交通图;
所述潜在因素变量表征驾驶风格为:
从专家数据集中提取驾驶风格定义为混合驾驶风格集,潜在变量根据先验分布从混合驾驶风格集中匹配最佳驾驶风格,然后将潜在变量与车辆图节点相拼接,将该变量嵌入到背景车的状态特征中,从而生成具有不同驾驶风格的背景车控制指令;
所述S3中,显式规则惩罚为:
基于模仿学习进行奖励,增强决策的合规性,通过衡量当前策略生成的轨迹与专家示范轨迹的相似性,当损失函数值迭代过程呈下降趋势时,则说明当前的训练过程呈正向优化过程,给予奖励值;反之,给予惩罚值;
所述S3中,隐式对抗奖励为:通过惩罚不合规行为来引导策略学习更安全的驾驶行为;
所述不合规行为包括:碰撞、道路偏离以及硬制动。
2.根据权利要求1所述的拟人化的虚拟测试场景多背景车协同决策方法,其特征在于:所述多车的动态交通图表示为:
;
;
;
其中,表示空间交互特征,当前时刻所有车辆节点特征的集合,包含每个车辆的纵向位置、速度、车道类别、车道前向距离和车道后向距离;表示当前时刻多车之间的交互关系集。
3.根据权利要求1所述的拟人化的虚拟测试场景多背景车协同决策方法,其特征在于:所述S2中,生成对抗模仿学习框架包括:生成器和判别器;
所述生成器采用共享参数的图注意力网络,通过分层注意力机制捕获车辆节点间的依赖关系,再通过强化学习网络生成多背景车协同决策。
4.根据权利要求3所述的拟人化的虚拟测试场景多背景车协同决策方法,其特征在于:所述判别器采用共享评分参数的损失函数,用于评估生成决策与专家数据的匹配程度,通过对抗训练迭代优化生成器。
5.根据权利要求4所述的拟人化的虚拟测试场景多背景车协同决策方法,其特征在于:所述判别器采用共享评分参数的损失函数为:在判别器中,将生成器产生的状态-动作对输入到共享评分参数的损失函数中评估强化学习网络生成多车协同决策的合理性,损失函数如下:;
其中是背景车数量,是判别器,是强化学习网络生成的背景车决策,是从专家数据集提取的状态-动作对,是由生成器生成的状态-动作对;
当低于设定的阈值时,则认为此时生成器产生的序列化控制指令达到了与专家数据集相当的驾驶水平,此时将最终生成的序列化控制指令输出,驱动仿真环境中的背景车行驶。
6.根据权利要求1所述的拟人化的虚拟测试场景多背景车协同决策方法,其特征在于:所述S4中,多轮迭代生成高度拟人化后的判别器更新为:;
其中,是基于拼接节点生成的控制指令,是专家数据集中的车辆驾驶风格,是轨迹相似性奖励函数,是三种不合规行为的惩罚值。