3.3.2方案选择.pdfVIP

北京航空航天大学学位论文 定路线前进过程中，针对它遇到的各种虚拟交通情况所进行的驾驶反应行为。这两个层 次在虚拟世界问题中较有普遍意义。 3.3.2方案选择 虚拟人驾车沿既定路线前进时，要根据道路几何信息 (如路线的曲率半径、路面高 度、路中障碍物的位置和大小)，路上随机交通状况 (如前方来车与后方来车的情况) 等多种静、动态信息随时调整虚拟车辆的方向和速度。类似于真实驾驶者，虚拟人处理 这些情况时，其驾驶行为是一个从安全角度出发的综合规划的观念:而且在处理同一种 情况时，其解决问题的方案也不唯一，这就是行为的不确定性和多样性。 驾驶行为的这些特点决定了难于抽象出其精确的数值模型。同时，用统一的算法将 其实现也不可能。高级的人工智能方法主要用于解决此类用传统方法难以解决的问题如 模型具有不确定性、任务要求比较复杂的情况。用于模拟人的驾驶行为的智能方法包括 人工神经元网络、专家系统、模糊系统等。本课题在虚拟人的智能行为模型实现方法的 选择中，曾考虑人工神经元网络和专家系统的基于规则方法。 t人工神经元网络 人工神经元网络方法即采用可实现的系统 (物体硬件或软件)来模仿人脑神经元细 胞的结构和功能，使人工神经元网络具有生物神经网络的某些功能，如学习、识别、控 制等。该网络结构一般由多个神经元组成，神经元之间通过连接权系数进行连接，在模 型建立时连接权系数是未知的，通过给出多个输入及相对应的输出，系统自学习的得到 连接权系数，每个输入和与其相对应的输出称为训练样本。其系统结构如图3.4所示。 1989年Nguyen和Widrow曾用人工神经元网络的B-P多层前馈网络方法解决了车辆的 倒车行为，使卡车能倒车到码头指定位置进行装卸作业。用理想轨迹作为样本进行网络 的学习，样本输入是汽车起点的二维坐标和卡车与水平面的夹角，样本输出是方向盘转 角，当训练样本布满整个码头平面时，在任何初始值下卡车都可以正确倒车到预定位置 1171 22 北京航空航天大学学位论文 今;、出层u[ ‘. E:s乙 P,-.片蛋外好 卜 欲入I.: 输人占.呼外月 图3.4人工神经元网络的结构图 2)基于规则 专家系统是将人类专家领域的知识和经验技巧移植到计算机中，并模拟人类的推理 决策过程，表现出解决复杂问题的人工智能。其中两个主要组成部分为知识库和推理机。 其系统组成如图3.5所示。 知识获取除 专 家 用 广 图3.5专家系统的基本组成 知识库即人类专家知识的计算机表示;推理过程即如何由问题得到结论。在专家系 统中，基于规则的方法比较常见，其知识的表示形式是 “条件一行动”或 “前提一结论”， 即用 “IF-THEN”语句表示一个规则，前面是先决条件，后面是满足条件所采取的行 动。其推理是通过事实与规则库中先决条件匹配，得出结论[181。英国利兹大学汽车仿真 中心所开发的汽车仿真器中，用户可驾驶车辆在虚拟环境中漫游，交通情况非常逼真， 道路上有很多虚拟车辆来往，他们使用基于规则的方法实现了这些虚拟车辆的智能驾驶 行为模型，主要包括路线选择、与其它车协调和遵循交通法规行为[19][201 其规则格式是IF(condition)THEN(context)，比如当环境信息为Limitsign(速度限 23 北京航空航天大学学位论文 制标志)和Lead_carinsamelane(路线前面有车)时，规则定义为: If(Limitsigninview)then(SPEEDLIMIT=posted_limit) If(Lead_carinsamelane)then(FOLLO