1.一种基于时空融合注意力的高速场景智能车辆决策方法,其特征在于,包括:构建高速场景智能车辆决策模型,所述决策模型包括:策略网络和价值网络;
将自车信息进行特征提取,得到自车信息特征向量;
将地图信息和周围车辆信息分别进行特征提取并融合,得到空间特征向量;
将自车长期历史轨迹和自车短期历史轨迹分别进行特征提取并融合,得到时序特征向量;
将所述空间特征向量与所述时序特征向量拼接,得到时空特征向量;
将所述自车信息特征向量和所述时空特征向量进行融合,得到融合特征向量;
以所述融合特征向量作为输入所述策略网络的状态变量,以未来时阈内的自车轨迹点序列作为策略网络输出的动作变量;
分别对所述策略网络和所述价值网络进行训练优化,得到最优决策模型;
车辆在高速场景行驶时,实时获取自车信息、地图信息、周围车辆信息和自车长期历史轨迹和自车短期历史轨迹输入所述最优决策模型,所述最优决策模型输出未来时间阈值内的自车轨迹点序列。
2.根据权利要求1所述的基于时空融合注意力的高速场景智能车辆决策方法,其特征在于,还包括:对当前所述最优决策模型输出的未来时阈内的自车轨迹点序列进行安全检测;
如果判断最优决策模型输出的自车轨迹点序列不存在风险,则控制自车执行最优决策模型输出的自车轨迹点序列;
如果判断最优决策模型输出的自车轨迹点序列存在风险,则根据自车可行域确定自车备选轨迹点序列,并控制自车执行备选轨迹点序列。
3.根据权利要求2所述的基于时空融合注意力的高速场景智能车辆决策方法,其特征在于,得到融合特征向量的方法为:将自车信息加入位置编码后输入Q值编码器,得到查询向量Q;
将地图信息和周围车辆信息分别加入位置编码;将加入位置编码的地图信息和加入位置编码的周围车辆信息分别输入K值编码器,得到空间键向量Kgobal;将加入位置编码的地图信息和加入位置编码的周围车辆信息分别输入V值编码器,得到空间值向量Vgobal;
将自车长期历史轨迹和自车短期历史轨迹分别加入位置编码;将加入位置编码的自车长期历史轨迹和加入位置编码的自车短期历史轨迹分别输入K值编码器,得到时序键向量Ktmp;将加入位置编码的自车长期历史轨迹和加入位置编码的自车短期历史轨迹分别输入V值编码器,得到时序值向量Vtmp;
将空间键向量Kgobal和时序键向量Ktmp拼接,得到时空键向量Kall;将空间值向量Vgobal与时序值向量Vtmp拼接,得到时空值向量Vall;
通过交叉注意力机制对查询向量Q、时空键向量Kall和时空值向量Vall进行融合,得到所述融合特征向量。
4.根据权利要求2或3所述的基于时空融合注意力的高速场景智能车辆决策方法,其特征在于,采用PPO算法对所述策略网络和所述价值网络进行训练优化,设置的奖励函数为:R=k1RE+k2Rdanger+k3Rcx+k4Rcy+k5Rpoint+k6Ravoid+k7Rsafe;
其中,RE为能耗惩罚,Rdanger为危险惩罚,Rcx为横向舒适性惩罚,Rcy为纵向舒适性惩罚,Rpoint为关键节点奖励,Ravoid为纵向避障奖励,Rsafe为横向避障奖励;k1为能耗惩罚权重系数,k2为危险惩罚权重系数,k3为横向舒适性惩罚权重系数,k4为纵向舒适性惩罚权重系数,k5为关键节点奖励权重系数,k6为纵向避障奖励权重系数,k7为横向避障奖励权重系数。
5.根据权利要求4所述的基于时空融合注意力的高速场景智能车辆决策方法,其特征在于,所述能耗惩罚的计算公式为:RE=-w1*Jfule-w2*Jmpc;
其中,Jfule=kfule*Ptotal;
式中,Jfule为燃油能耗项,kfule表示单位能量消耗系数,Ptotal为系统总功率,Jmpc为MPC引导项,α为速度偏差的权重因子;vi为未来第i个时间步的车辆速度,vref为高速公路场景的目标期望速度;w1、w2分别为燃油能耗项和MPC引导项的权重系数;MPC表示模型预测控制。
6.根据权利要求5所述的基于时空融合注意力的高速场景智能车辆决策方法,其特征在于,所述横向舒适性惩罚的计算公式为:Rcx=-kax*|ax|-kjx*|jx|;
所述纵向舒适性惩罚的计算公式为:
Rcy=-kay*|ay|-kjy*|jy|;
其中,ax、ay分别表示车辆在横向和纵向的加速度;jx、jy分别表示车辆在横向和纵向的加加速度;kax、kay分别为横向加速度惩罚和纵向加速度惩罚的权重系数;kjx、kjy分别为横向加加速度惩罚和纵向加加速度惩罚的权重系数。
7.根据权利要求6所述的基于时空融合注意力的高速场景智能车辆决策方法,其特征在于,所述横向避障奖励的计算公式为:其中,di为与自车横向距离最近的周围车辆和自车之间的横向距离,dsafe为横向安全车距阈值,ksafe为安全距离惩罚系数。
8.根据权利要求7所述的基于时空融合注意力的高速场景智能车辆决策方法,其特征在于,对当前所述最优决策模型输出的未来时阈内的自车轨迹点序列进行安全检测的方法为:所述自车轨迹点序中,如果存在任意时间点的纵向车距小于纵向安全距离,或者自车变道时的横向车距小于横向安全距离,则判断最优决策模型输出的自车轨迹点序列存在风险;
其中,纵向安全距离的计算公式为:
横向安全距离的计算公式为:
式中,dy-min为纵向安全距离;vr为后车初速度,vf为前车初速度,ta为后车反应时间;amax为自车最大加速度,βmax、βmin为最大、最小制动减速度;μ为理论安全距离;tb为目标车道车辆反应时间;v1、v2分别为自车变道初始速度与目标车道车辆初始速度,为自车完成变道时的车速;为目标车未来车速,为最大横向加速度,为最小横向减速度。
9.根据权利要求8所述的基于时空融合注意力的高速场景智能车辆决策方法,其特征在于,确定自车备选轨迹点序列的方法为:在自车可行域内选取终点,并利用五次多项式曲线进行轨迹插值,得到自车备选轨迹点序列;
其中,如果当前车道范围内存在满足不变道要求的可行区域,则在当前车道上选取终点;如果当前车道范围内不存在满足不变道要求的可行区域,则在相邻车道范围内选取距自车方向一致、位于前方的目标点作为终点。
10.根据权利要求9所述的基于时空融合注意力的高速场景智能车辆决策方法,其特征在于,自车可行域的计算方法为:确定自车理论运动范围c(tp)和最大可达距离r(tp);
确定tk+1时刻的位置o(tk+1);
o(tk+1)=o(tk)+c(tp
确定自车可行域的边界点:
a1=[ox(tk)-r(tk),oy(tk)+r(tk)]Ta2=[ox(tk+1),oy(tk)+r(tk)]T
a3=[ox(tk+1)+r(tk+1),oy(tk+1)+r(tk)]Ta4=[ox(tk+1)+r(tk+1),oy(tk+1)-r(tk)]Ta5=[ox(tk+1),oy(tk)-r(tk)]T
a6=[ox(tk)-r(tk),oy(tk)-r(tk)]T依次连接边界点a1、a2、a3、a4、a5、a6构成闭合区域,并结合自辆外形尺寸,得到自车理论可行域;
将车理论可行域与周围车辆进行差集运算,得到自车可行域;
其中,x0、y0分别为自车当前位置的横、纵坐标,vx,0、vy,0分别为自车当前的横向速度和纵向速度;tp为可行域预测时间,ox(tk)、ox(tk+1)分别为自车在tk时刻和tk+1时刻的横坐标;oy(tk)、oy(tk+1)分别为自车在tk时刻和tk+1时刻的纵坐标、r(tk)表示自车在tk时刻的最大可达距离;amax为自车最大加速度。