自動(dòng)駕駛車(chē)輛行為決策方法研究

張智飛

0? 引言

車(chē)輛實(shí)現(xiàn)自動(dòng)駕駛，對(duì)于緩解城市擁堵、提高行駛安全性以及降低運(yùn)輸成本等方面具有公認(rèn)的作用。如何實(shí)現(xiàn)車(chē)輛的自動(dòng)駕駛是目前汽車(chē)行業(yè)非常重要的發(fā)展和研究方向。

1? 自動(dòng)駕駛車(chē)輛行為決策問(wèn)題分類(lèi)及難點(diǎn)

1.1 車(chē)輛決策問(wèn)題分類(lèi)? 車(chē)輛的決策以橫縱向駕駛行為可分為：①駕駛行為推理問(wèn)題，如停車(chē)、避讓和車(chē)道保持等;②速度決策問(wèn)題，如加速、減速或保持速度等。也可根據(jù)車(chē)輛駕駛行為將問(wèn)題分為車(chē)輛控制行為、基本行車(chē)行為、基本交通行為、高級(jí)行車(chē)行為、高級(jí)交通行為。

1.2 決策難點(diǎn)分析? 實(shí)現(xiàn)自動(dòng)駕駛關(guān)鍵在于車(chē)輛的行為決策是否合理可行。如何綜合車(chē)輛運(yùn)行環(huán)境及車(chē)輛信息，結(jié)合行駛目的做出具有安全性、可靠性以及合理性的駕駛行為是決策控制的難點(diǎn)亦是實(shí)現(xiàn)自動(dòng)駕駛的難點(diǎn)。

應(yīng)對(duì)環(huán)境多變性、檢測(cè)不準(zhǔn)確性、交通復(fù)雜性、交規(guī)約束性等諸多車(chē)輛行駛不利因素，如何降低或消除其產(chǎn)生的不利影響，是行為決策模塊的研究重點(diǎn)。此前已有研究人員提出了許多應(yīng)對(duì)不同環(huán)境的決策方法，可分為基于規(guī)則的行為決策方法和基于統(tǒng)計(jì)的行為決策方法。但其中仍有許多亟待解決的問(wèn)題。本文分別對(duì)兩種方法中應(yīng)用較廣的模型及基于有限狀態(tài)機(jī)模型和深度強(qiáng)化學(xué)習(xí)模型的自動(dòng)駕駛決策方法進(jìn)行探討，對(duì)其適用性、可靠性及實(shí)現(xiàn)原理進(jìn)行對(duì)比分析。提出行為決策方法的發(fā)展趨勢(shì)，為自動(dòng)駕駛車(chē)輛行為決策方法的研究提供參考。

2? 基于有限狀態(tài)機(jī)的行為決策模型

有限狀態(tài)機(jī)模型作為經(jīng)典的智能車(chē)輛駕駛行為決策方法，因其結(jié)構(gòu)簡(jiǎn)單、控制邏輯清晰，多應(yīng)用于園區(qū)、港口等封閉場(chǎng)景。在這些封閉場(chǎng)景中道路具有固定的路線和節(jié)點(diǎn)，因此可預(yù)先設(shè)計(jì)行駛規(guī)則。這種預(yù)先設(shè)計(jì)行駛規(guī)則的方法將特定場(chǎng)景的車(chē)輛決策描述為離散事件，在不同場(chǎng)景通過(guò)不同事件觸發(fā)相應(yīng)的駕駛行為。這種基于事件響應(yīng)的模型稱(chēng)為有限狀態(tài)機(jī)決策模型。

2.1 有限狀態(tài)機(jī)模型的原理? 有限狀態(tài)機(jī)（FSM，F(xiàn)inite-State Machine）是對(duì)特定目標(biāo)在有限個(gè)狀態(tài)中由特定事件觸發(fā)使?fàn)顟B(tài)相互轉(zhuǎn)移并執(zhí)行相應(yīng)動(dòng)作的數(shù)學(xué)模型。已經(jīng)被廣泛應(yīng)用在特定場(chǎng)景無(wú)人駕駛車(chē)輛、機(jī)器人系統(tǒng)等領(lǐng)域。有限狀態(tài)機(jī)主要由四部分組成：事件（Event）、轉(zhuǎn)換（Transition）、狀態(tài)（State）及動(dòng)作（Action）。

式中：∑是輸入集，也稱(chēng)事件集，是狀態(tài)集能接受的所有可能輸入;Λ是輸出集，也稱(chēng)動(dòng)作集，是FSM的響應(yīng)動(dòng)作集合;S是狀態(tài)集，包含對(duì)象特定場(chǎng)景下的所有狀態(tài);s0是初始狀態(tài)，表示FSM的初始條件或默認(rèn)狀態(tài);f是終止?fàn)顟B(tài)，是FSM狀態(tài)集的子集，可以是空集;δ是轉(zhuǎn)換邏輯，是FSM的狀態(tài)轉(zhuǎn)移條件。

使用此模型時(shí)應(yīng)滿足：①以上所有集合為有限集。②任意時(shí)刻均有對(duì)應(yīng)狀態(tài)，任意狀態(tài)均有對(duì)應(yīng)動(dòng)作。③忽略狀態(tài)轉(zhuǎn)移時(shí)間。

2.2 有限狀態(tài)機(jī)模型在車(chē)輛決策中的應(yīng)用? Junior車(chē)隊(duì)[1]在2007年的DAPRA比賽中使用并聯(lián)結(jié)構(gòu)有限狀態(tài)機(jī)模型實(shí)現(xiàn)了包括初始狀態(tài)、車(chē)道跟隨等13種行駛狀態(tài)的相互切換，圖1中顯示了11種情況省略了避障（ESCAPE）和交通堵塞（TRAFFIC JAM）兩種情況。

BOSS車(chē)隊(duì)[2]采用了如圖2所示的有限狀態(tài)機(jī)層次式混聯(lián)結(jié)構(gòu)模型，此結(jié)構(gòu)根據(jù)車(chē)輛自身的行為和駕駛場(chǎng)景分為兩層，各層對(duì)應(yīng)不同的狀態(tài)，一定程度上解決了有限狀態(tài)機(jī)模型在駕駛狀態(tài)增多時(shí)，結(jié)構(gòu)凌亂難以維護(hù)的缺點(diǎn)。

中國(guó)科學(xué)技術(shù)大學(xué)研發(fā)的智能先鋒Ⅱ[3]智能車(chē)采用分為行為決策和駕駛動(dòng)作執(zhí)行（運(yùn)動(dòng)規(guī)劃、控制）的兩層有限狀態(tài)機(jī)決策模型。

綜上所述，基于有限狀態(tài)機(jī)模型及其拓展模型的決策系統(tǒng)其結(jié)構(gòu)相對(duì)簡(jiǎn)單、框架清晰應(yīng)用較為廣泛。但是當(dāng)智能車(chē)輛行駛環(huán)境比較復(fù)雜時(shí)，其狀態(tài)集和輸入集大量增加，結(jié)構(gòu)變得復(fù)雜且場(chǎng)景劃分比較困難。因此此方法適用于簡(jiǎn)單場(chǎng)景時(shí)具有較高可靠性。

3? 基于深度強(qiáng)化學(xué)習(xí)的行為決策模型

人工智能自誕生以來(lái)，經(jīng)過(guò)六十多年的發(fā)展，已經(jīng)成為一門(mén)具有日臻完善的理論基礎(chǔ)、日益廣泛的應(yīng)用領(lǐng)域的交叉學(xué)科。近年來(lái)，對(duì)深度強(qiáng)化學(xué)習(xí)算法的進(jìn)一步認(rèn)識(shí)和挖掘，是人工智能實(shí)現(xiàn)應(yīng)用的重要研究方向。深度強(qiáng)化學(xué)習(xí)技術(shù)方法越來(lái)越廣泛的應(yīng)用于智能車(chē)輛的環(huán)境感知與決策系統(tǒng)[4]。

3.1 深度強(qiáng)化學(xué)習(xí)模型的原理? 深度強(qiáng)化學(xué)習(xí)（Deep Reinforcement Learning，DRL）結(jié)合了深度學(xué)習(xí)算法的“感知能力”和強(qiáng)化學(xué)習(xí)算法的“決策能力”，為復(fù)雜駕駛場(chǎng)景的感知決策問(wèn)題提供解決方案。DRL的原理框架是一種是端到端感知和決策控制系統(tǒng)。其框架如圖3所示。

其學(xué)習(xí)過(guò)程可概括為：①智能體與環(huán)境交互得到觀測(cè)信息，并利用深度學(xué)習(xí)識(shí)別觀測(cè)信息的特征;②基于預(yù)期回報(bào)評(píng)判動(dòng)作價(jià)值，并根據(jù)相應(yīng)策略將當(dāng)前狀態(tài)映射到相應(yīng)動(dòng)作;③隨動(dòng)作變化而導(dǎo)致智能體與環(huán)境交互得到的觀測(cè)信息發(fā)生變化，進(jìn)入三者的循環(huán)最終得出目標(biāo)的最優(yōu)策略。

3.2 深度強(qiáng)化學(xué)習(xí)算法? 基于深度學(xué)習(xí)的方法通常需要大量人工標(biāo)記的數(shù)據(jù)來(lái)訓(xùn)練模型，再以此深度網(wǎng)絡(luò)實(shí)現(xiàn)自動(dòng)駕駛決策，對(duì)于車(chē)輛這個(gè)動(dòng)態(tài)對(duì)象來(lái)說(shuō)這是不現(xiàn)實(shí)的。而基于強(qiáng)化學(xué)習(xí)的方法則具有一定的自主決策能力，符合車(chē)輛行駛的動(dòng)態(tài)特性。但強(qiáng)化學(xué)習(xí)方法是將所有的狀態(tài)-動(dòng)作映射的評(píng)價(jià)值儲(chǔ)存為一個(gè)列表，這對(duì)于車(chē)輛的復(fù)雜工況很難實(shí)現(xiàn)，因此基于強(qiáng)化學(xué)習(xí)的自動(dòng)駕駛決策算法沒(méi)有廣泛應(yīng)用。

研究者嘗試將深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)結(jié)合形成了圖3所示的深度強(qiáng)化學(xué)習(xí)模型。其代表性算法是由Mnih等提出的DQN（Deep Q-Network）算法[5]。此算法針對(duì)離散動(dòng)作空間，并不適用于車(chē)輛自動(dòng)駕駛控制系統(tǒng)。2016年，Google DeepMind將DQN算法改進(jìn)為深度確定性策略梯度（Deep Dterministic Policy Gradient，DDPG）算法，可實(shí)現(xiàn)連續(xù)動(dòng)作空間的控制決策。此算法更加符合人類(lèi)決策方式。由王丙琛[6]等，在DDPG的基礎(chǔ)上提出了結(jié)合專(zhuān)家經(jīng)驗(yàn)的決策控制算法（Deep Dterministic Policy Gradient with Expert，DDPGwE）。與DDPG算法相比，DDPGwE算法縮短了訓(xùn)練時(shí)間，提高模型的穩(wěn)定性和泛化性。

3.3 基于深度強(qiáng)化學(xué)習(xí)模型的應(yīng)用? 英偉達(dá)公司[7]研發(fā)的駕駛行為決策系統(tǒng)使用的是端到端神經(jīng)網(wǎng)絡(luò)進(jìn)行，其模型訓(xùn)練框圖4所示。

國(guó)內(nèi)百度公司的端到端系統(tǒng)使用長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（Long short term memory network，LSTM）算法實(shí)現(xiàn)車(chē)輛縱向決策與控制，使用卷積神經(jīng)網(wǎng)絡(luò)深度強(qiáng)化學(xué)習(xí)模型實(shí)現(xiàn)車(chē)輛的橫向決策與控制，同時(shí)實(shí)現(xiàn)了對(duì)車(chē)輛橫縱方向上的駕駛行為決策與車(chē)輛控制。

通過(guò)對(duì)已經(jīng)應(yīng)用深度強(qiáng)化學(xué)習(xí)模型的案例的研究發(fā)現(xiàn)，此模型具有解決復(fù)雜環(huán)境車(chē)輛決策與控制的潛力。但是，隨著車(chē)輛環(huán)境信息復(fù)雜程度的加大決策控制模塊需要處理和分析的數(shù)據(jù)量也會(huì)大大增加，對(duì)控制算法及模型的時(shí)效性提出更高的要求。

4? 結(jié)論

文章就目前應(yīng)用較多的基于有限狀態(tài)機(jī)模型的自動(dòng)駕駛決策方法和基于深度強(qiáng)化學(xué)習(xí)算法的決策方法進(jìn)行了分析。從應(yīng)用上講，基于有限狀態(tài)機(jī)模型的決策模型更適用于封閉場(chǎng)景的駕駛決策，但應(yīng)對(duì)實(shí)際場(chǎng)景，還要在有限狀態(tài)機(jī)模型的基礎(chǔ)上結(jié)合相應(yīng)的前沿控制算法解決決策控制問(wèn)題。基于深度強(qiáng)化學(xué)習(xí)的決策方法的應(yīng)用場(chǎng)景則更廣泛，是未來(lái)決策控制的發(fā)展方向。從可靠性上講，目前的自動(dòng)駕駛技術(shù)都處于實(shí)驗(yàn)或應(yīng)用測(cè)試階段，自動(dòng)駕駛技術(shù)的可靠性都需要較長(zhǎng)時(shí)間的檢驗(yàn)及驗(yàn)證。

參考文獻(xiàn)：

[1]Montemerlo M， Bhat S， Bhat S， et al. Junior： The Stanford entry in the urban challenge[J]. Journal of Field Robotics， 2009， 25（9）：569-597.

[2]陳佳佳.城市環(huán)境下無(wú)人駕駛車(chē)輛決策系統(tǒng)研究[D].合肥： 中國(guó)科學(xué)技術(shù)大學(xué)，2014.

[3]杜明博.基于人類(lèi)駕駛行為的無(wú)人駕駛車(chē)輛行為決策與運(yùn)動(dòng)規(guī)劃方法研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2016：1-18.

[4]Pan X， You Y， Wang Z， et al. Virtual to real reinforcement learning for autonomous driving.[C]. British Machine Vision Conference， 2017.

[5]Chung J. Playing Atari with Deep Reinforcement Learning[J]. Computer ence， 2013.

[6]王丙琛，司懷偉，譚國(guó)真.基于深度強(qiáng)化學(xué)習(xí)的自動(dòng)駕駛車(chē)控制算法研究[J/OL].鄭州大學(xué)學(xué)報(bào)（工學(xué)版），2020：1-6.

[7]Bojarski M， Testa D D， Dworakowski D， et al. End to End Learning for Self-Driving Cars[J]. arXiv： Computer Vision and Pattern Recognition， 2016.

摘要：為了研究自動(dòng)駕駛車(chē)輛行為決策方法的原理及發(fā)展，文章通過(guò)分析目前駕駛行為決策方法的研究成果，對(duì)行為決策方法進(jìn)行綜述。主要分析基于有限狀態(tài)機(jī)模型和深度強(qiáng)化學(xué)習(xí)模型的行為決策方法的原理及優(yōu)劣，分析相應(yīng)決策方法的適用場(chǎng)景?？偨Y(jié)實(shí)現(xiàn)高級(jí)別自動(dòng)駕駛行為決策的技術(shù)難點(diǎn)，并對(duì)相應(yīng)的解決方案進(jìn)行分析。

關(guān)鍵詞：自動(dòng)駕駛;行為決策;深度強(qiáng)化學(xué)習(xí);有限狀態(tài)機(jī)