虚拟驾驶环境中的车辆智能体驾驶行为模型研究

汽车驾驶模拟器通过操纵仿真、动力学仿真、视景仿真等系统，构造出一个驾驶者虚拟场景的交互驾驶环境。在虚拟场景模拟中，为真实模拟道路交通环境，需在场景中加入车辆等运动物体，这些运动物体模拟真实世界中对应的行为，可以实时感知环境，自行规划、决策和操作。这种具有自治性、反应性、能在复杂的动态环境中实现目标的物体，可视为智能体。在驾驶模拟器的交互场景中，尤以车辆为关键，其仿真度直接影响驾驶模拟器的真实感。虚拟场景中的车辆agent环境中的智能个体，具有人类驾驶者的意图和行为，可以自行根据目标以及虚拟环境中周围的车辆、交通标志、障碍物等的环境约束，自主决定路径选择、跟车、超车、加减速、碰撞避让、换道等行为，而无需人工干预。

为模拟真实的驾驶行为，虚拟环境中的车辆agent应能反映出驾驶行为的多样性、复杂性、不确定性、模糊性和随机性等特点以及驾驶员的个性。然而以往驾驶模拟器虚拟场景中的动态车辆模拟往往较为简化，存在驾驶行为的不真实性、可预知性和单一性。没有充分考虑到驾驶员的认知、处理和决策的复杂思维过程，以及驾驶员的不同行为特性，难以模仿出真实的驾驶行为，影响了模拟器的临场感和沉浸感，从而影响了模拟器的实效。

笔者结合人工智能、心理学等学科的研究成果，建立虚拟交通环境的多智能体结构。并从微观角度研究驾驶行为模型，将驾驶行为分为感知、决策和操作等3个部分，并结合驾驶员特性因子，使驾驶行为模型更贴近真实，以加强驾驶模拟器的生动性、真实感和实效性。

（一）虚拟交通环境的多智能体结构

在虚拟交通环境中，存在着多种自治的、具有智能行为的动态实体，如交通灯、动态交通公告、车辆、行人等。这些智能体间相互协作、相互影响，共同构造了复杂多变的动态交通环境，其多智能体系统结构如图9-5所示。

图9-5　虚拟交通环境的多智能体系统结构

1.管理agent

管理agent负责整个交通环境的管理和监测，生成各个具有不同特性因子、目标任务和行为规则的车辆、行人agent等。

2.导航agent

负责各agent的路径管理，提供道路信息。

3.交通灯agent

根据规则自动调节交通灯信号。在每个交叉路口均设置一个交通灯agent。

4.交通公告agent

提供交通管理信息、交通导向信息、各智能体状态信息等，进行有效的交通疏导和导向。

5.车辆agent

由管理agent生成，并自治地执行目标任务，如根据导航agent，根据交通灯agent、交通告示牌等agent反应，还可自动获取外界环境信息，进行判断决策，自行调整驾驶行为，完成加减速、保持车速、跟车、超车、变向、换道等操作。在相同的交通条件下，各智能体由于驾驶员特性不同，会产生不同的行为。

6.自行车agent和行人管理agent

分别模拟自行车和行人的行为，并通过占用机动车道等行为，对机动车造成干扰从而模拟出真实的混合交通环境。此外，还制造突发事件等，以提高驾驶者的应变能力。

（二）车辆agent的驾驶行为模型

驾驶行为是一个基于安全的综合规划过程，典型的驾驶行为一般从高到低分为任务层、规划层和操作层3个层次（图9-6）。

图9-6　智能驾驶行为的层次模型

在虚拟场景中，赋予每个虚拟车辆agent以特定的任务，并预先确定行驶路线，如有些agents在某一区域道路上循环行驶，有些agents集中出现在模拟器agent行驶的道路上等。

模拟现实世界中的驾驶行为，虚拟环境中的车辆agents沿确定路线前进时，将根据道路信息（如路面宽度和高度、车道情况、曲率半径、障碍物位置和大小等）和时变动态交通信息（如本车、前车与后车的情况、信号灯情况、交通标志、交通公告）等各种动态、静态信息，经过分析和判断，并受驾驶员的生理和心理等因素的影响，形成驾驶决策并进行操作，实时调整虚拟车辆的方向和速度，其驾驶行为分为感知、判断决策和操作等3个阶段，驾驶行为模型如图9-7所示。

图9-7　规划层智能驾驶行为模型

1.信息感知

在实际驾驶中，驾驶员通过视觉、听觉、触觉等来感知道路交通信息，包括路面状况、信号灯、标志信息以及本车的运行状况和前后车运行状况等模糊信息。

而在虚拟环境中，通过与管理agent、交通灯agent、交通公告agent、导航agent等之间的通信，车辆agent可以获取同一道路上可视范围内的道路状况和交通信息。

对应每条道路，管理智能体均产生一个实时链表，记录该道路上各实体的ID、属性、状态等，车辆agent只需查询该链表即可获取前后车的速度、加速度、位置、方向、间距等动态信息。

车辆智能体的可视范围是动态的，随着天气情况的变化而变化，如晴天的可视范围设置在1 000米，而雾天的可视距离为10～500米，根据雾的大小而变化。

2.驾驶员特性因子

驾驶员的行为特性取决于性格、深度知觉、注意力集中程度、注意分配能力和暗适应性等心理因素，年龄、身体条件、疲劳程度等生理因素，以及驾驶经验、知识、道德修养等诸多因素。驾驶行为模型一般可分为急躁型、正常型和谨慎型3类，急躁型和谨慎型的行为参数一般在正常型的105%～110%和95%～90%的区间内随机浮动。

在实际驾驶中，同样的道路交通情况下，不同的驾驶员将得出不同的感觉和判断，并相应采取不同的决策和操作。例如，在同一道路上，急躁型驾驶员的理想车速要高于谨慎型驾驶员的，而理想车距则要小；急躁型驾驶员换道的频率要明显高于谨慎型驾驶员；在同样的交会状态下，谨慎型驾驶员可能已采取碰撞避让措施，而急躁型的还未采取。

为模拟真实世界的多样性和随机性，在虚拟环境中引入了驾驶员特性因子，将感知到的信息进行模糊处理后，获得基于不同驾驶员特性的一组模糊变量值，如车距远近、速度高低、汽车的当前速度和理想车速（即在当前的道路约束和车辆属性下，该驾驶员期望达到并维持的最大车速）的比值、汽车本身速度和前车速度的相对值等的模糊值。驾驶员特性因子能反映出不同类型、不同状态的驾驶行为，如醉酒驾驶、疲劳驾驶等，从而使驾驶行为丰富真实。(www.xing528.com)

3.基于模糊专家系统的决策模型

驾驶决策行为是基于车与车之间、车与道路之间，速度与间距的制约条件的模糊感知基础上，结合驾驶经验和技能，进行分析、比较和模糊判断，并做出有利于安全行驶的复杂决策过程。驾驶决策行为具有不确定性、模糊性、多样性和复杂性，难以用精确的数学模型来描述，宜采用人工智能方法解决。笔者采用模糊专家系统来解决，采用模糊控制器，通过模糊判断，进行模糊控制。驾驶决策过程可以分为4个过程。

（1）确定安全距离（即应急碰撞避让车距），确定是否采取碰撞避让措施。安全距离是根据前后车速度、制动距离、反应时间以及道路条件等判断的。

（2）确定当前理想车距、理想车速和预处理距离（驾驶员受车距制约的范围）等。

（3）进行速度和间距的模糊判断，如速度是否达到理想车速，间距是否足够等。这种判断具有模糊性，并且受驾驶员特性因子的影响带有明显的主观性和倾向性。

（4）决定最终的决策和操作动作。

影响驾驶决策行为的因素有以下6种。

（1）根据行车计划选择路径。

（2）根据交通管制信号和交通规则进行强制性变道等操作。

（3）根据道路情况、交通信号、车型、驾驶员特性，判断出该道路上的理想车速。

（4）根据本车的速度、前车车速等判断出与安全距离，理想车距，预处理距离。

（5）通过与前车的车距的比较，以及跟车、超车和变道等控制策略，决定碰撞避让、保持车速、加速、减速、变道、超车、跟车等的决策。

（6）在决定车辆是否变道、超车时，除考虑本车道的情况外，还要考虑相关车道的情况，需要判断是否有足够的变道空间、足够的变道时间和足够的变道能力，并考虑驾驶者的主观意愿。例如，变到左车道，需通过左车道前后车的速度，判断出左车道的安全换道车距并与左车道的间隙进行比较。当超车时，还需要通过前车的速度判断出安全换道车距，并与前车车距进行比较。后车超车信号或相邻车道换入本车道信号等、左车道是同向车道标志以及左车道是逆向可借车道标志和驾驶者的主观意愿都对决策产生影响。

安全距离和理想车速的判断较为复杂，不但受速度的影响，并且在相同的外界条件和不同的驾驶员模式下具有不同的价值。

车辆的驾驶模式有以下7种。

（1）碰撞避让：当存在碰撞危险时，进行碰撞避让。

（2）加速：与前车距离足够，并且速度未达到条件，且不受其他车辆干扰的情况下常采取的模式。

（3）保持车速：与前车距离足够，并且速度达到条件，且不受其他车辆干扰的情况下常采取的模式。

（4）减速：与前车太逼近且不满足换道条件时通常采取的模式。

（5）换道：有足够的换道空间和时间，而又无超车信号或并车信号时所常采取的模式。

（6）超车：类似于换道，但道路条件仅满足借道超车的情况下常采取的模式。包括转换车道、借道加速、转换回原车道等。

（7）跟车：不满足以上超车、换道等条件下一般采取的模式。跟车的车辆对汽车车速进行调整，以维持一定的车辆间距。

模糊专家系统采用模糊集和模糊关系等来表示和处理知识的不确定性和不精确性，把输入项分为几个相互部分重叠的模糊集，每个模糊集用来描述各项的隶属度，并通过逻辑推理，即获取人类专家的结构化知识，来模拟人抽象思维的能力。

4.碰撞避让决策

碰撞避让为特殊情况下的应急驾驶行为。当车辆智能体判断出存在碰撞危险性时，即进入碰撞避让阶段，做出相应的避让决策和操作，如减速、变向等，直接进行速度和方向的控制，以缩短中间环节和行动时间，如实地反映真实驾驶中驾驶员在危急状况下的本能反应。

5.决策的操作实现

操作层负责根据规划层的决策做出实际的对方向和速度的控制，即对应驾驶员对油门、刹车、方向盘等操纵结构的控制，从而实现对车辆的控制。

操作过程中，同样受驾驶员特性因子的影响，不同的驾驶员特性因子具有不同的反应时间和驾驶行为，也可以模拟出酒后驾驶或疲劳驾驶等的状态，从而模拟出各种交通状态，营造突发事件。

（三）智能驾驶行为的软件实现

采用3DMax创建了一个具有地景库、静景库和动景库的城市综合交通环境，采用OpenGVS视景官理软件进行视景驱动开发，从而建立模拟器视景系统。并在VC++编程环境和Windows的运行环境下，结合制技术，建立虚拟环境中车辆agents的智能驾驶行为模型。

从显示效果看，模型中各车辆agents和操作，并反映出不同的驾驶特性，较好地达到了预期目标。

总之，笔者在汽车驾驶模拟器的虚拟场景中，引入具有智能驾驶行为的车辆模糊专家系统进行模糊判断、模糊逻辑推理决策和操作。并通过驾驶员特征因子反映驾驶行为的多样性，实现了车辆模拟驾驶器的虚拟交通情况更加真实、生动、可靠。并运用OpenGVS实现驾驶虚拟场景的实时生成和交互显示，从而在虚拟环境中基本真实地模拟车辆的运动，产生较好的临场感，获得良好的仿真效果。