中国公路学报

作者：孙宾宾, 李波, 王鹏伟, 周恒恒, 谭草, 陆佳瑜

单位：山东理工大学 交通与车辆工程学院, 山东 淄博 255000"],"fundList_en":["Excellent Young Scientist Fund Project of Shandong (ZR2022YQ51); National Natural Science Foundation of China (52475269, 52375105); Natural Science Foundation of Shandong (ZR2024ME179)

关键词：汽车工程,智能车辆,超车决策,轨迹预测,博弈论

基金：山东省优秀青年人才基金项目(ZR2022YQ51);国家自然科学基金项目(52475269,52375105); 山东省自然科学基金项目(ZR2024ME179)

为提升智能车辆动态场景实时决策能力，针对决策模块对交互环境态势变化认知不足导致的决策性能下降难题，建立考虑交互车辆预测信息的智能车辆行为决策模型。首先，通过解析驾驶人超车行为，构建了融合多因素的智能车辆交互式超车行为决策框架。在此基础上，应用卷积神经网络(CNN)与长短时记忆网络(LSTM)，建立区分交互车辆时间和空间特征的轨迹预测模型。基于Kullback-Leibler(KL)散度理论，设计结合车辆运行物理规律的模型实时引导修正机制，提升模型预测精度与可解释性。进一步，基于风险场理论和博弈论方法，分析自车行驶安全性与行车效率收益约束条件，提出考虑交互车辆预测信息的智能车辆超车行为决策方法，实现动态场景超车博弈的均衡求解。最后，通过数值模拟与实车测试开展了超车场景试验。研究结果表明：考虑交互车辆预测信息的决策模型能够完成高精度轨迹预测，并依据预测结果实现动态场景实时超车决策；轨迹预测模型预测平均位移误差为0.993 m；决策过程博弈稳定性与博弈收益分别提升28%和20%，能够实现更高决策安全性与稳定性。研究结果可为智能车辆轨迹预测和行为决策提供理论支撑，提升智能车辆行为决策水平。

来源：2025年第12期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2025年第12期