密集交通场景下无人驾驶重卡换道决策规划方法

准确估计周围车辆的驾驶员合作程度能提高无人驾驶车辆在密集交通场景下的换道安全性与效率，特别是对于自身灵活性和稳定性较差、对周围车辆安全威胁较大的重型卡车。因此，提出一种基于周围车辆驾驶员合作程度预测以及非对称风险评估的无人驾驶重型卡车换道决策规划方法。该方法基于高斯混合模型对周围车辆进行运动轨迹预测，结合当前驾驶环境估计目标车道后车的驾驶员合作程度，并用于构建非对称风险模型；基于轨迹预测结果，采用效用理论建模无人驾驶重型卡车当前和未来的车道选择概率，综合当前和未来的风险评估，输出最终的驾驶行为决策；设计多目标代价函数用于从多项式候选轨迹中选取最优轨迹。基于自然驾驶数据集的仿真试验表明，提出的方法可以准确地预测目标车道后车的驾驶员合作程度以及对周围车辆的风险等级，使无人驾驶重型卡车在密集交通流下也能安全高效地执行换道决策和轨迹规划。