一种面向车路云一体化的智能体协同决策方法及系统与流程

本发明涉及自动驾驶，具体涉及一种面向车路云一体化的智能体协同决策方法及系统。

背景技术：

1、近年来，随着交通运输行业的蓬勃发展以及车辆智能化水平的不断提高，自动驾驶正引发工业界及学术界广泛而深刻的研究，相关标准与国家政策也应运而生。现有技术中，车路协同系统是指利用路侧感知设备实时感知监测路侧车辆信息与交通环境信息，实现车辆与路侧设备之间的信息交互和协同控制的技术。然而，车路协同技术仅从局部区域考虑车路的信息融合，利用边缘计算设备实现车路的协同决策，难以对全域智能网联汽车的运行进行整体优化。

2、在此基础上，云控系统可以利用新一代信息与通信技术，将人、车、路、云的物理层、信息层、应用层连为一体，进行融合感知、决策与控制，可实现车辆行驶、交通运行安全和效率等性能的综合提升。

3、但是在车路云一体化运行场景中，车端、路端及云端通过感知、通信、计算和控制技术，可实现数据共享、协同决策和控制执行，然而针对不同决策目标，它们各自生成的行驶规划方案往往存在一定的差异，从而难以保证单车驾驶安全性以及效率。例如，车端注重车辆的安全行驶，路端注重局部车辆行驶的效率及安全，云端注重区域总体效率最大化。目前存在的相关技术方案的不足之处在于，其行驶规划方案过于依赖于云端的数据处理和分析能力，可能存在数据传输延迟和信息安全风险，而且没有考虑车端、路端和云端之间的协同冲突和优先级问题。因此，需要综合考虑车端、路端和云端的不同目标和融合优先级，采用合理的决策指令合成方法，实现车路云之间的有效协同。

技术实现思路

1、本发明要解决的技术问题在于：传统的车路协同利用无线通信技术，可实现车与车、车与路之间的信息交互，但其规划决策的主体在于车辆本身，难以对全域智能网联汽车的运行进行整体优化；而在车路云一体化运行场景中，车端、路端及云端生成的行驶规划方案过于依赖于云端的数据处理和分析能力，可能存在数据传输延迟和信息安全风险，而且未考虑车端、路端和云端之间的协同冲突和优先级问题。

2、为了解决上述技术问题，本发明提供如下技术方案。

3、本发明提供一种面向车路云一体化的智能体协同决策方法，包括：

4、1)定义车端智能体、路端智能体以及云端智能体，并进行对应规划域的划分；

5、2)车端智能体、路端智能体以及云端智能体分别生成对应的行驶规划方案；

6、3)对车端、路端、云端行驶规划方案进行评估以及优先级排序；

7、4)根据车端、路端、云端行驶规划方案的优先级排序结果进行行驶规划方案的融合，生成决策指令。

8、进一步的，所述定义车端智能体、路端智能体以及云端智能体，并进行对应规划域的划分，生成对应的行驶规划方案，包括：

9、1)车端智能体通过车载传感器获取车辆自身的状态信息以及周围环境的信息，以车辆行驶安全为目标规划自身行驶轨迹，在微观层进行规划，负责短期的自主决策；

10、2)路端智能体通过路侧设施获取路面的状态信息以及周围车辆的信息，以路面交通的协调和效率为目标控制路侧信号和设备，在中观层进行规划，负责中期的协调决策；

11、3)云端智能体通过云端资源获取大范围内的交通信息以及各个车辆和路侧设施的信息，以全局交通的优化和平衡为目标分析指导车辆的行驶规划，在宏观层进行规划，负责长期的优化决策；

12、4)各个智能体根据不同的规划层级和规划域范围，结合当前的行驶场景，生成相应的行驶规划方案。

13、进一步的，所述行驶规划方案包括目标车辆在当前行驶场景下采取各种操作指令的行驶规划方案的概率分布，以及基于概率分布生成的车端、路端、云端的行驶规划方案决策。

14、进一步的，所述对车端、路端和云端行驶规划方案进行评估包括：

15、1)分别从车端智能体、路端智能体及云端智能体获取到当前时刻和历史时刻的行驶规划方案决策并作预处理；

16、2)基于预处理后的行驶规划方案决策，判断当前时刻车端、路端及云端的行驶规划方案决策的有效性；

17、3)基于预处理后的行驶规划方案决策，判断当前时刻车端、路端及云端的行驶规划方案决策的一致性。

18、进一步的，所述对行驶规划方案决策进行预处理包括：将车端、路端及云端的行驶规划方案决策中的各操作指令进行数字化表示，且对数字化表示后的操作指令进行归一化处理，并将归一化处理后的行驶规划方案决策以向量形式进行表示，向量维度数据包括转弯操作、速度变化操作和加速度控制操作。

19、进一步的，所述对行驶规划方案决策的有效性的评估包括：基于行驶规划方案决策的向量形式表示，根据行驶场景的变化频率和行驶规划方案的更新周期确定时间周期，判断当前时刻的行驶规划方案决策是否超过该时间周期内历史行驶规划方案决策拟合分布预设定的波动范围，若超过，则当前时刻的行驶规划方案决策不具有有效性，否则具有有效性。

20、进一步的，所述对行驶规划方案决策的一致性的评估包括：基于行驶规划方案决策的向量形式表示，分别计算车端、路端以及云端的行驶规划方案决策向量之间的欧氏距离是否小于预设定距离，若小于预设定欧氏距离，则车端、路端以及云端的行驶规划方案决策之间具有一致性，否则不具有一致性。

21、进一步的，对车端、路端和云端行驶规划方案进行优先级排序包括：

22、根据当前时刻的行驶规划方案决策的有效性，判断是否降低该行驶规划方案决策的融合优先级；若无效，则降低该行驶规划方案决策的融合优先级，否则不改变该行驶规划方案决策的融合优先级；

23、根据当前时刻的车端、路端及云端的行驶规划方案决策的一致性，判断是否提高车端行驶规划方案决策的融合优先级；若一致，则不改变车端行驶规划方案决策的融合优先级；若不一致，则验证车端行驶规划方案决策是否有效，若车端行驶规划方案决策有效，则提高车端行驶规划方案决策的融合优先级；若车端行驶规划方案决策无效，则判断车路云三端行驶规划方案决策是否具有相同的优先级，若具有相同的优先级，则提高车端行驶规划方案决策的融合优先级，否则不改变车端行驶规划方案决策的融合优先级。

24、进一步的，所述根据车端、路端、云端行驶规划方案的优先级排序结果进行行驶规划方案的融合，生成决策指令，包括：

25、1)根据行驶规划方案优先级排序结果，选择最高优先级的行驶规划方案的概率分布进行离散化处理；

26、2)将最高优先级的行驶规划方案的概率分布进行证据合成，得到证据合成后的各指令综合概率；

27、3)通过最大概率原则或期望迭代原则，生成融合后的决策指令。

28、本发明还提供一种面向车路云一体化的智能体协同决策系统，包括：

29、定义智能体模块，用于定义车端智能体、路端智能体以及云端智能体，并进行对应规划域的划分；其中，车端智能体通过车载传感器获取车辆自身的状态信息以及周围环境的信息，以车辆行驶安全为目标规划自身行驶轨迹，负责短期的自主决策；路端智能体通过路侧设施获取路面的状态信息以及周围车辆的信息，以路面交通的协调和效率为目标控制路侧信号和设备，负责中期的协调决策；云端智能体通过云端资源获取大范围内的交通信息以及各个车辆和路侧设施的信息，以全局交通的优化和平衡为目标分析指导车辆的行驶规划，负责长期的优化决策；各个智能体根据不同的规划层级和规划域范围，结合当前的行驶场景，生成相应的行驶规划方案。

30、行驶规划方案获取模块，基于车端智能体、路端智能体以及云端智能体分别获取对应的行驶规划方案；所述行驶规划方案包括目标车辆在该行驶场景下采取各种决策指令的行驶规划方案的概率分布，以及基于概率分布生成的车端、路端、云端的行驶规划方案决策。

31、行驶规划方案评估模块，用于对车端、路端和云端行驶规划方案进行有效性以及一致性评估；包括预处理单元、有效性检验单元以及一致性检验单元。

32、所述预处理单元用于将车端、路端及云端的行驶规划方案决策中的各操作指令进行数字化表示，并对操作指令进行归一化处理，归一化处理后将行驶规划方案决策表示为向量，向量维度数据包括转弯操作、速度变化操作和加速度控制操作。

33、所述有效性检验单元基于行驶规划方案决策的向量化表示，判断当前时刻车端、路端及云端的行驶规划方案决策的有效性；判断过程为：根据行驶场景的变化频率和行驶规划方案更新周期确定时间周期，判断当前时刻的行驶规划方案是否超过该时间周期内历史规划方案拟合分布预设定的波动范围，若超过，则当前时刻的行驶规划方案不具有有效性，否则相反。

34、所述一致性检验单元基于行驶规划方案决策的向量化表示，判断当前时刻车端、路端及云端的行驶规划方案决策的一致性；判断过程为：分别计算车端、路端以及云端的行驶规划方案决策向量之间的欧氏距离是否小于预设定距离，若小于预设定欧氏距离，则方案之间具有一致性，否则不具有一致性。

35、行驶规划方案排序模块，用于根据当前时刻的行驶规划方案的有效性和一致性进行优先级排序；具体包括，

36、根据当前时刻的行驶规划方案的有效性，判断是否降低该方案的融合优先级；若无效，则降低该方案的融合优先级，否则不改变该方案的融合优先级；

37、根据当前时刻的车端、路端及云端的行驶规划方案的一致性，判断是否提高车端智能体规划方案的融合优先级；若一致，则不改变车端行驶规划方案的融合优先级；若不一致，则验证车端是否有效，若车端有效，则提高车端行驶规划方案的融合优先级；若车端无效，则判断车路云三端是否具有相同的优先级，若具有相同的优先级，则提高车端行驶规划方案的融合优先级，否则不改变车端行驶规划方案的融合优先级。

38、行驶规划方案融合模块，用于根据方案优先级排序结果，对行驶规划方案进行融合，生成决策指令，包括离散化单元、证据合成单元以及决策指令生成单元。所述离散化单元用于将最高优先级的行驶规划方案的概率分布进行离散化处理；所述证据合成单元用于将最高优先级的行驶规划方案的概率分布进行证据合成，根据不同智能体提供的概率，得到协同决策后的综合概率；其中根据交通场景的复杂度，选择通过d-s或分层d-s证据合成的方法进行证据合成；分层d-s证据将行驶规划方案细化为不同的层级，逐层进行证据合成，其中，层级的划分原则为“由粗到细，层层递进”，在d-s证据合成中，先进行定性驾驶指令的决策合成，后进行定量驾驶指令的决策合成；所述决策指令生成单元用于通过最大概率原则或期望迭代原则，生成融合后的决策指令。

39、本发明的有益效果：

40、(1)本发明提供的面向车路云一体化的智能体协同决策方法，该方法针对车辆行驶的安全、协作、效率等要求，结合特定行驶情景，划定车端、路端和云端智能体在不同行驶情景下的规划边界与范围，并生成对应的行驶规划方案，车路云多智能体规划域的划分结果会随着不同场景而变化，提升车辆行驶的可控性与适应性。

41、(2)本发明提出的面向车路云一体化的智能体协同决策方法通过收集车端、路端及云端的感知信息与行驶规划方案，行驶规划方案包括目标车辆在该行驶场景下采取各种操作指令的行驶规划方案的概率分布，以及基于概率分布生成的车端、路端、云端行驶规划方案决策；并对当前时刻车端、路端及云端行驶规划方案决策的有效性和一致性进行评估以及优先级排序，能够有效应对云端通信中断、路测检测失效、车端感知异常等极端车辆行驶环境，通过行驶规划方案的协同决策，提高车路云管控的稳定性和可靠性。

42、(3)本发明提出的面向车路云一体化的智能体协同决策方法综合考虑车端、路端和云端的行驶规划方案，从而生成融合后的驾驶决策指令，应用于具体车辆，不仅避免车端、路段和云端的行驶规划方案的冲突，还能充分利用车、路、云三方的信息和智能形成一致、安全、高效的行驶指令，提高单车驾驶安全与效率，提高车路云管控的稳定性和可靠性。