面向自动驾驶测试场景生成的博弈神经网络算法

来源：计算机工程与应用杂志2024年第22期北京时间：

作者：李文礼, 李超, 张祎楠, 宋越, 胡雄

单位：1.重庆理工大学 汽车零部件先进制造技术教育部重点实验室，重庆 400054；2.招商局检测车辆技术研究院有限公司，重庆 401122

摘要：为提高自动驾驶车辆虚拟测试场景的可解释性和高风险场景覆盖度，提出了一种将博弈论与神经网络相结合的虚拟测试场景生成算法SIG-GAN（social interactive gaming-generative adversarial network）。以高速匝道合流场景为例，通过捕捉匝道汇入车辆与主车道行驶车辆的交互特征，构建汇入交互博弈模型。利用汇入数据获得车辆优先通行概率来计算博弈策略的纳什均衡求解，并融入S-GAN神经网络模型中进行轨迹生成。同时引入PICT（pairwise independent combinatorial testing）模型对观测区域交互车辆的真实轨迹进行组合测试，结合SIG-GAN算法生成大量具有现实博弈交互行为的高风险交互轨迹。通过与LSTM、S-LSTM、S-GAN等轨迹生成算法进行对比实验，结果显示：（1）模型较其他算法在3.2?s与4.8?s时域下，生成轨迹ADE平均下降25.30%、18.98%、7.02%，FDE平均下降17.33%、16.06%、7.65%，生成精度更为准确；（2）通过组合测试后生成轨迹数量为原始的150倍，覆盖度更高。生成轨迹与原轨迹的碰撞时间（time to collision，TTC）分别集中在1.057?7?s、3.513?5?s，场景风险程度更大，对自动驾驶汽车的虚拟场景强化测试具有实际意义。

关键词：自动驾驶汽车,场景生成,博弈论,生成对抗网络