基于本体和BN的无人车行为决策方法

TP311; 和高速交通环境比,城市交通环境具有更高的复杂性和不确定性,因此无人驾驶车辆行为决策系统要能给出驾驶场景下安全有效的驾驶动作.本文提出一种将本体语义表示与贝叶斯网络(Bayesian network,BN)概率推理相结合的行为决策模型.从驾驶场景中的多源异构信息和领域专家经验出发,建立本体并进行概率扩展,将其转换为BN,通过BN推理得到当前驾驶场景下的最佳驾驶动作.该方法既实现了驾驶场景领域知识的形式化描述和共享,又考虑到了驾驶场景中存在的不确定性.最后,通过Prescan/Simulink联合仿真实验验证了所提方法在无人驾驶车辆行为决策上的有效性....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 43; no. 2; pp. 452 - 465
Main Authors 孙雪, 黄志球, 沈国华, 王金永, 徐恒
Format Journal Article
LanguageChinese
Published 南京航空航天大学计算机科学与技术学院,江苏南京 211106 01.02.2021
南京航空航天大学高安全系统的软件开发与验证技术工业和信息化部重点实验室,江苏南京 211106%南京航空航天大学计算机科学与技术学院,江苏南京 211106
南京航空航天大学高安全系统的软件开发与验证技术工业和信息化部重点实验室,江苏南京 211106
软件新技术与产业化协同创新中心,江苏南京 210093
Subjects
无人驾驶车辆
贝叶斯网络
本体
行为决策
Prescan联合仿真
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2021.02.20

Cover

More Information
Summary:TP311; 和高速交通环境比,城市交通环境具有更高的复杂性和不确定性,因此无人驾驶车辆行为决策系统要能给出驾驶场景下安全有效的驾驶动作.本文提出一种将本体语义表示与贝叶斯网络(Bayesian network,BN)概率推理相结合的行为决策模型.从驾驶场景中的多源异构信息和领域专家经验出发,建立本体并进行概率扩展,将其转换为BN,通过BN推理得到当前驾驶场景下的最佳驾驶动作.该方法既实现了驾驶场景领域知识的形式化描述和共享,又考虑到了驾驶场景中存在的不确定性.最后,通过Prescan/Simulink联合仿真实验验证了所提方法在无人驾驶车辆行为决策上的有效性.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2021.02.20