為驗(yàn)該思想，進(jìn)行大量實(shí)驗(yàn)

自然駕駛數(shù)據(jù)分析結(jié)果

首先進(jìn)行自然駕駛數(shù)據(jù)采集，在自然駕駛數(shù)據(jù)中提取了7631段幀號(hào)連續(xù)的跟車過程，通過計(jì)算各個(gè)過程的距離平均作用量，發(fā)現(xiàn)平均作用量分布較為集中，駕駛?cè)说能囘^程中的決策行為趨于穩(wěn)定。

實(shí)車實(shí)驗(yàn)

實(shí)驗(yàn)采用的是課題組的三調(diào)實(shí)驗(yàn)平臺(tái)車，分別為：一輛本田雅閣車（作為車i）和兩輛長安悅用車（作為車j和車k），實(shí)驗(yàn)分為自由行駛、跟車行駛和鄰車切入三個(gè)場(chǎng)在昌平區(qū)水南路進(jìn)行。

實(shí)車實(shí)驗(yàn)數(shù)據(jù)分析結(jié)果

上圖說明絕大多數(shù)駕駛員都能控制在一個(gè)穩(wěn)定值，實(shí)際上駕駛員的操作與理論值都有一些偏差，風(fēng)險(xiǎn)的判別就是看偏差的大小，如果超出一定的值危險(xiǎn)就會(huì)發(fā)生。

按照19個(gè)作用量的大小來進(jìn)行排序，發(fā)現(xiàn)另外一個(gè)現(xiàn)象，即為了分析駕駛?cè)笋{駛過程中的實(shí)際作用量S和理論的最小作用量S’之間的關(guān)系，我們計(jì)算S的均值和方差發(fā)現(xiàn)，S的均值越大，方差越大。當(dāng)駕駛過程滿足作用量為最小值S’時(shí)，方差為0。可以看到，因此，如果評(píng)價(jià)一個(gè)駕駛員的駕駛水平和駕駛技能，優(yōu)秀的駕駛員可以用實(shí)際駕駛作用量與理論值的接近程度來衡量。

進(jìn)一步的驗(yàn)證，可用KW驗(yàn)證方法，對(duì)六種行為過程的S與S’進(jìn)行對(duì)比分析，結(jié)果顯示所有過程中的P－ valuel都遠(yuǎn)大于0．05，說明駕駛?cè)嗽谶@六種行為過程中的實(shí)際作用量S與理論的最小作用量S’之間沒有顯著性差異。

在這個(gè)基礎(chǔ)上用安全性和高效性的聯(lián)合評(píng)價(jià)指標(biāo)——Dse來判斷行車的危險(xiǎn)，實(shí)際作用量S和理論最小作用量S’之間的差異程度是影響寫過程中安全性和高效性的關(guān)鍵因素。為了分析兩者間的關(guān)系，定義Dse為行驗(yàn)過程中安全和高效的聯(lián)合評(píng)價(jià)指標(biāo)，并用歸一化形式描述。

實(shí)車實(shí)驗(yàn)數(shù)據(jù)分析結(jié)果（跟車與切入場(chǎng)的加減速過程）

切入過程中的Dse高于跟車過程，制動(dòng)過程中的Dse高于加速過程，且切入場(chǎng)中的制動(dòng)過程Dse值最高（圖d），說明切入場(chǎng)景的相較跟車場(chǎng)更復(fù)雜也更危險(xiǎn)，制動(dòng)過程相較加速過程更易出現(xiàn)行車風(fēng)險(xiǎn)。

通過實(shí)車實(shí)驗(yàn)數(shù)據(jù)證明：駕駛?cè)说臎Q策機(jī)制遵循最小作用量原理。因此在這樣的理論之下，就可以把人類的決策行為用于智能車的決策當(dāng)中。

基于最小作用量原理的決策方法

在感知的基礎(chǔ)上基于場(chǎng)論進(jìn)行風(fēng)險(xiǎn)評(píng)估，在評(píng)估風(fēng)險(xiǎn)的基礎(chǔ)上，基于最小作用量原理來實(shí)現(xiàn)模擬人的智能決策。

風(fēng)險(xiǎn)評(píng)估方法既可以用于綜合性的風(fēng)險(xiǎn)評(píng)、也可以用于路徑的規(guī)劃，而最小作用量可以用于復(fù)雜場(chǎng)景下的協(xié)同決策。

未來成果應(yīng)用

應(yīng)用框架

自動(dòng)駕駛系統(tǒng)

交通風(fēng)險(xiǎn)監(jiān)控系統(tǒng)

交通設(shè)施設(shè)計(jì)評(píng)估

智慧城市——智慧交通