基于生存理论训练机器学习的智能驾驶路径生成方法

来源期刊：控制与决策2020年第10期

论文作者：刘磊 杨晔 刘赛 高岩 王富正 王亚刚

文章页码：2433 - 2441

关键词：智能驾驶;路径规划;生存理论;径向基神经网络;

摘    要：机器学习技术广泛应用于车辆的智能驾驶,其中模型训练是该技术的关键,由于训练数据难以覆盖全部驾驶情况,使得极端状态下基于机器学习的智能驾驶系统存在失效风险,会造成重大交通事故.生存理论应用于车辆的道路安全态势感知具有理论优势,能客观地计算出车辆最大的高维生存空间,但该理论迭代计算繁琐,输出结果所需时间较长,无法满足高速车辆的实时控制,且生存核表面复杂,智能驾驶系统难以直接使用,需要将生存核转化为局部最优路径.鉴于此,设计一种基于生存理论的局部路径规划机器学习训练方法,通过对多种机器学习方法的特点进行分析,最终选定径向基神经网络来输出生存核中线投影.通过对比两种网络训练数据的输出效果,分析参数敏感性以及泛化能力,论证所提出训练方法的合理性.仿真实验表明,所训练的机器学习模型可快速输出高精度、大裕度的道路优化路径,即使使用简单的控制律也能实现无人车辆的大曲率转弯.由于所提出机器学习方法的安全性具有理论保障,又能大幅提升安全计算的实时性,在智能驾驶领域拥有广阔的应用前景.