面向自动驾驶环境认知的态势评估功能模型及实现方法

There is still a big gap between the cognitive level of automatic driving systems and the cognitive level of human drivers. The automatic driving can't handle complex traffic conditions reliably. How to improve the environment cognitive ability of the automatic driving system is a key problem to be solved. .In order to solve this problem, this project researches on the situation assessment of automatic driving based on the cognitive mechanism of human drivers and the high level fusion of multi-source information. Firstly, the functional model of situation assessment for automatic driving is proposed based on human driving cognition mechanism inlcuding the hierarchical memory mechanism and the selective attention mechanism. With the analysis of the mapping between human driving and automatic driving, the three layer decomposition of object perception, situation understanding and situation prediction is combined with feedback structure. Then, the implementation method for situation assessment is investigated based on Hierarchical Factor Graph. With the analysis of the spatial and temporal relationship and interaction of factors, objectives and events,the modeling and reasoning of the Hierarchical Factor Graph are investigated. .Through the in-depth research, this project proposes the functional model and implementation method of situation assessment for automatic driving, which can improve the cognitive level of automatic driving system. At the same time, it can enrich and promote the research of information fusion model, method and application.

自动驾驶系统的认知水平与人类驾驶员的认知水平尚存在较大差距，尚不具备可靠处理复杂交通状况的能力，如何提升自动驾驶系统的环境认知水平，是自动驾驶领域亟待解决的关键问题。.本课题针对这一问题，结合人类驾驶员认知机理，基于多源信息高层次融合，对自动驾驶的态势评估展开研究。首先基于人类认知的分层记忆机制及选择性关注机制，通过分析人类驾驶与自动驾驶之间的映射，将目标感知、情境理解和态势预测三层分解与反馈结构相结合，构建面向自动驾驶的态势评估功能模型；然后基于层次因子图，通过分析自动驾驶环境各要素、目标和事件之间的时空关联、耦合互联等关系，研究层次因子图的建模和推理，从而实现自动驾驶态势评估。.本课题研究提出自动驾驶态势评估的功能模型及实现方法，将有助于提高自动驾驶系统的环境认知水平，同时也将丰富和促进信息融合模型、方法及应用的研究。

自动驾驶系统的认知水平与人类驾驶员的认知水平尚存在较大差距，尚不具备可靠处理复杂交通状况的能力，如何提升自动驾驶系统的环境认知水平，是自动驾驶领域亟待解决的关键问题。.本课题针对这一问题，结合人类驾驶员认知机理，基于多源信息高层次融合，对自动驾驶的态势评估展开研究。研究内容包括三部分，一是基于层次因子图的态势评估研究，二是基于人类驾驶员认知机理的注意力机制研究，三是融合深度网络模型的探索研究，其中第一部分是该课题计划书中的研究内容，第二三部分是基于执行过程中遇到的问题和启发进行的拓展探索研究。第一部分研究中，首先基于人类认知的分层记忆机制及选择性关注机制，通过分析人类驾驶与自动驾驶之间的映射，将目标感知、情境理解和态势预测三层分解与反馈结构相结合，构建面向自动驾驶的态势评估功能模型；然后基于层次因子图，通过分析自动驾驶环境各要素、目标和事件之间的时空关联、耦合互联等关系，研究层次因子图的建模和推理，从而实现自动驾驶态势评估，并通过仿真实验和实际实验分析验证了本课题方法的优势。第二三部分研究中，基于人类驾驶员认知机理，提出并实现了记忆注意力机制模型和两种空间注意力机制模型，其中空间注意力模型包括语义向量注意力机制和车道注意力机制；提出并实现了一种集成多模态融合深层神经网络，并通过实验分析比较了该课题方法和state-of-the-art方法的性能及适用性。.本课题研究提出自动驾驶态势评估的功能模型及实现方法，将有助于提高自动驾驶系统的环境认知水平，同时也将丰富和促进信息融合模型、方法及应用的研究。