考虑运动不确定性的交通建模

仿真已被认为是自动驾驶系统开发和测试的关键推动力之一,因为出于安全方面的考虑,车载和现场测试可能非常耗时,昂贵且常常无法实现。 因此,对交通进行精确建模对于威胁评估,轨迹规划等方面的自动驾驶仿真至关重要。传统上,在对交通进行建模时,通常认为交通车辆的运动是确定性的,并基于其控制物理进行建模。 然而,由于不正确和/或不完整的感测信息,交通车辆的感测或感知的运动可能充满错误或不准确。 此外,任何未来的轨迹都是未知的,这是很自然的。 本文提出了一种基于高斯过程(GP)的考虑交通不确定性的交通流量建模方法。 概率分布函数用于表示交通车辆的未来轨迹,这些轨迹根据高斯混合模型(GMM)进一步分类为典型的运动轨迹。 然后从典型运动轨迹建立基于GP的运动模型。 使用此模型,可以通过对GP条件分布进行采样来模拟交通车辆的任何潜在轨迹。 该实验是在具有全运动基座的高保真驾驶模拟器中进行的。 结果表明,所提出的基于GP的模型可以忠实地代表交通车辆运动的不确定性,因此适合于自动驾驶系统的高保真仿真。