[论文解读] A Game-Theoretic Approach to Decision Making for Multiple Vehicles at Roundabout

Sasinee Pruekprasert, Jérémy Dubut+3 more|arXiv (Cornell University)|Apr 12, 2019

Traffic control and management参考文献 25被引用 5

一句话总结

本文提出了一种用于环岛处多辆自动驾驶车辆的分布式博弈论决策框架，将交互行为建模为有限的序贯博弈，其中每辆车通过估计其他车辆的激进程度并基于纳什均衡预测来采取行动。仿真结果表明，该方法能有效平衡安全与速度，在激进程度增加的情况下仍能保持无碰撞运行，并通过迭代估计实现准确的行为预测。

ABSTRACT

In this paper, we study the decision making of multiple autonomous vehicles at a roundabout. The behaviours of the vehicles depend on their aggressiveness, which indicates how much they value speed over safety. We propose a distributed decision-making process that balances safety and speed of the vehicles. In the proposed process, each vehicle estimates other vehicles' aggressiveness and formulates the interactions among the vehicles as a finite sequential game. Based on the Nash equilibrium of this game, the vehicle predicts other vehicles' behaviours and makes decisions. We perform numerical simulations to illustrate the effectiveness of the proposed process, both for safety (absence of collisions), and speed (time spent within the roundabout).

研究动机与目标

• 为解决在复杂交互场景下，传统基于规则的系统在环岛处多辆自动驾驶车辆交互时失效的问题，提出安全且高效的决策方法。
• 将车辆交互建模为序贯博弈，以捕捉动态交通环境中相互依赖关系和策略性行为。
• 开发一种分布式决策过程，使车辆能够预测其他车辆的行为，并同时优化安全与速度。
• 在不同车辆激进程度下，评估碰撞避免（安全性）与任务时间（速度）之间的权衡。
• 通过博弈论推理实现可解释、理性的决策，而无需依赖大规模训练数据集。

提出的方法

• 每辆自动驾驶车辆将与其他车辆的交互建模为有限序贯博弈，其中策略代表加速或变道等驾驶行为。
• 引入‘激进程度’概念作为反映车辆对速度偏好高于安全性的参数，并通过观察进行估计，迭代更新。
• 车辆通过基于估计的激进程度水平计算序贯博弈的纳什均衡，来预测其他车辆的行为。
• 采用分布式估计过程，使每辆车能够利用对其他车辆行为的实时观测，更新其对其他车辆激进程度的信念。
• 决策过程利用预测的均衡结果，选择最小化安全与速度平衡成本函数的最优轨迹。
• 通过数值仿真评估在不同车辆数量和激进程度水平下的性能表现。

实验结果

研究问题

• RQ1 在分布式交互场景下，自动驾驶车辆如何在与多辆其他车辆交互时实现安全且高效的环岛决策？
• RQ2 所提出的博弈论框架在优化速度的同时，能在多大程度上保持安全性（如避免碰撞）？
• RQ3 车辆能否通过估计的激进程度和纳什均衡推理，准确预测其他车辆的行为？
• RQ4 随着车辆激进程度的提高，对环岛导航的整体安全性和效率会产生何种影响？
• RQ5 该系统能否在无需集中协调或大规模训练数据的情况下，维持稳定且可预测的交互？

主要发现

• 所提方法在所有测试场景中均实现了无碰撞导航，包括多达八辆车辆，表现出强大的安全性能。
• 车辆间的最小距离始终保持较高水平，即使在激进程度超过0.3后也仅出现轻微下降，表明具备稳健的安全裕度。
• 任务时间（到达目标所需时间）随激进程度上升而增加极少，尤其当平均激进程度超过0.3时，表明速度优化效果显著。
• 相邻车辆在时间序列上对彼此加速度的预测具有高精度，预测误差随观测数据增多而减小。
• 系统实现了理性且协调的交互，车辆在进入环岛时会先减速，并根据观察到的行为和更新后的激进程度估计调整策略。
• 该方法有效平衡了安全与速度，在高激进程度或高密度交通条件下仍表现出稳定权衡，未出现显著性能下降。