路口自动驾驶车辆的自适应联盟协作决策：一种交互式混合博弈论方法

《ADVANCED ENGINEERING INFORMATICS》：Cooperative decision-making with adaptive coalition for automated vehicles at intersections: An interactive hybrid game-theoretic approach

　　

- 一种面向自动驾驶车辆的动态协作决策（DM）框架。
- 基于交互混合博弈论的自适应联盟重组机制。
- 嵌入个性化驾驶知识的DM模型与多目标权衡。
- 一种具有高优化精度和计算效率的接力优化方法。
- 增强实时工程应用与部署的前景。

引言

自动驾驶车辆是未来车辆工程发展的关键趋势，同时也是智能交通工程的核心组件和重要载体。其广泛采用有望提升道路安全和交通系统效率，并改善驾驶员与乘客的出行体验[1], [2]。行为决策类似于人脑的中央神经系统，是确保自动驾驶车辆准确完成各种驾驶任务并提升其安全性和智能化水平的关键[3]。人类驾驶行为包含对动态交通情境的深刻理解和丰富经验。将此类人类驾驶知识加以整合，有助于增强决策行为的人机相似性和真实性[4], [5]。值得注意的是，复杂交叉路口是一类典型的高风险、强交互危险场景。广义上的交叉路口概念具体涵盖匝道汇入交叉口和十字交叉口，其中密集的环境车辆给自动驾驶车辆的安全行驶带来了严峻挑战[6], [7]。核心难点在于自动驾驶车辆与环境车辆之间紧密耦合、动态交织的持续交互，以及多车之间能否实现有效的协同合作。这使得自动驾驶车辆在交叉路口的决策成为一项具有挑战性的知识密集型工程任务，需要多学科工程知识的支撑[8], [9]。因此，开发一种具有自适应交互特性的决策方法，使自动驾驶车辆能够以符合人类驾驶逻辑的方式解决潜在冲突并实现实时安全决策，不仅有助于提高其他交通参与者的接受度，还能显著推动先进决策技术的工程应用。因此，这已成为当前研究的关键方向。

近年来，涌现了大量研究来解决自动驾驶车辆在交叉路口的决策问题。基于对现有文献的系统性综述和对比分析，本文将自动驾驶决策方法归纳为四种范式：反应式、学习驱动式、端到端式和交互式决策。反应式决策方法中，自动驾驶车辆基于情境感知和车辆状态反应性地生成相应的驾驶操作。状态机[10]、决策树[11]、最优模型[12]和专家系统[13]是反应式决策的代表性方法。状态机通过有向连通图表示状态之间的转换关系。自动驾驶车辆A1采用有限状态机进行基于规则的反应式决策，其中规则预先定义以确保符合交通规则并完成各种驾驶任务[14]。决策树将决策机制表征为可视化树状结构，并通过遍历搜索确定驾驶操作[15]。然而，需要为不同驾驶场景预先定义决策树结构，导致泛化能力有限。状态机和决策树一般适用于简单决策任务，往往忽略了驾驶环境中的随机不确定性。模糊逻辑被用于模拟人类专家的推理和决策过程[16]，能够处理边界不明确的知识和经验。文献[17]提出了一种多车协同决策方法，将滚动优化与优先级排序相结合来确定车辆的最优策略。反应式决策强调因果逻辑和可解释性推理，结构简洁明了。然而，随着系统复杂度的增加，这些方法在逻辑设计和建模方面面临重大挑战，如规则冲突和推理漏洞。关键在于，难以有效捕捉真实交通环境中车辆之间的持续交互。

学习驱动式决策主要利用机器学习工具，通过持续优化和改进训练模型使自动驾驶车辆生成合理的驾驶行为。强化学习已在工程领域得到广泛应用[18], [19]。为了提高复杂决策的学习效率，文献[20]将基于模型的优化方法嵌入到强化学习框架中。文献[21]提出了一种具有特征学习和价值函数近似的强化学习方法来解决序列决策问题。此外，文献[22]的研究提出了一种面向无信号控制交叉路口的决策框架，将GMM-HMM与支持向量机相结合。生成对抗模仿学习可以直接从数据中提取驾驶策略并模拟人类驾驶中的决策过程[23]。文献[24]开发了一种基于随机森林的车道变换策略识别模型，为安全决策提供了技术基础。此外，为避免在安全性方面过于保守，文献[25]中基于贝叶斯网络的决策框架能够有效处理不完整和不确定的噪声数据以及违规车辆。POMDP能够有效应对交互中的不确定性，在一定程度上实现类人的驾驶行为[26]。现有研究表明，学习驱动式决策在解决高阶大规模复杂问题方面具有优势，适用于处理没有显式规则的非线性决策任务。然而，在线学习效率仍是关键瓶颈，在动态环境中学习时可能存在失效风险。

端到端决策直接将感知信息映射为车辆的底层控制指令，也引起了广泛关注[27]。文献[28]提出了一种基于深度强化学习的方法，直接从高维感知输入中学习有效策略。深度神经网络也被用于行为决策。例如，文献[29]的研究开发了一种基于DNN的决策系统，具有对真实道路的适应性，表现出适当的类人行为。然而，该方法需要大量训练数据集。文献[30]中训练的卷积神经网络同时优化了端到端系统的内部处理步骤，能够从稀疏信号中学习道路特征。文献[31]提出了一种基于自感知扩展的强化细化框架，增强了端到端系统的泛化能力。为解决固有的黑箱问题，文献[32]、[33]的研究致力于提高端到端方法的可解释性。综上所述，端到端决策方法提供了简洁高效的架构，有效规避了对复杂场景特征进行显式建模的需求。然而，这些方法仍面临关键挑战，包括对数据集质量的高敏感性、机制可解释性有限以及故障可追溯性弱[34]。此外，大多数研究尚未充分考虑多个决策目标之间的耦合和权衡关系。进一步探索驾驶行为的交互机制以同时提高决策性能和满足个性化需求仍是一项关键的研究优先事项。

自动驾驶车辆并非在道路上孤立运行。相反，其驾驶行为受到交通情境的实时影响，而这些行为的后果又反过来对周围环境施加反作用力。自动驾驶车辆与交通情境之间存在双向交互[35], [36], [37]。然而，一些现有决策方法忽略了这种交互效应，不利于提升决策智能化水平。事实上，决策是一个动态过程，需要动态方法来确保驾驶安全[38]。博弈论是交互式决策的代表性方法，已在自动驾驶领域得到广泛应用[39], [40]。文献[41]将决策问题建模为非合作动态博弈，并通过启发式动态规划求解纳什均衡。文献[42]的研究聚焦于具有不确定约束的非合作博弈，为广义纳什均衡的整个邻域提供概率可行性保证，从而探讨智能体的有限理性。文献[43]提出了一种博弈论建模框架来解决无信号交叉路口的人车交互问题，避免过于保守的驾驶策略。值得注意的是，文献[44]的研究提出了一种多因子嵌入的交互式决策方法，使车辆能够根据风险等级实时加入或退出多车博弈。该方法增强了决策过程的交互性和类人特性，同时降低了整体系统复杂度。文献[45]提出了一种基于博弈论的决策和规划方法，通过求解纳什均衡动态分配路权并确定自动驾驶车辆的最优策略，有效解决交叉口冲突。文献[46]通过设计虚拟博弈与真实博弈的并行双系统实现了认知信念的在线滚动估计和渐进式自演化，有效克服了自动驾驶车辆的认知局限性并支持高级决策。同时，文献[47]引入了一种分布式鲁棒微分博弈方法，推导出自动驾驶车辆在无信号交叉路口的非合作和合作驾驶策略。此外，文献[48]开发了一种基于联盟形成博弈的编队模型，以最大化个体效用。文献[49]通过量化每个成员的边际贡献公平分配联盟收益，从而增强合作稳定性。同样地，文献[50]在环岛场景中使用了Stackelberg博弈和大联盟博弈。前者更侧重于个性化决策特征，而后者在提升交通系统效率方面更具优势。然而，这些联盟结构是预先固定的。虽然交互式范式增强了决策的协同性和类人特性，但现有方法普遍存在计算成本过高的问题，阻碍了实时部署。此外，它们通常依赖于固定的联盟结构和预设的合作或竞争博弈模式。在高度动态的交叉口场景中，这类刚性范式表现出关键局限性。具体而言，预设的合作模式可能迫使车辆进入无利可图的联盟，违反个体理性并可能导致联盟瓦解。相反，固定的竞争模式往往引发持久的对抗行为和交通死锁。事实上，人类驾驶员并不遵循静态博弈模式，而是动态评估交通情境，在存在协同收益时自发形成联盟，在出现冲突时回归竞争操作。然而，这种能够适应动态交通情境并反映人类认知灵活性的自适应联盟重组机制尚未得到充分研究。因此，自动驾驶车辆如何与环境车辆进行动态合作仍然是一项亟需关注的关键挑战。

针对上述挑战并面向复杂交叉口场景中安全决策的知识密集型工程任务，本文提出了一种具有自适应联盟框架的自动驾驶车辆协作决策方法。本文的主要贡献如下：

(1) 通过考虑人类认知和决策过程中的耦合交互机制并表示驾驶交互知识，本文提出了一种基于交互混合博弈论的自动驾驶车辆协作决策方法。该方法使自动驾驶车辆能够以符合人类认知逻辑的方式与周围环境车辆进行动态协作，从而生成安全和理性的决策。

(2) 为克服固定联盟结构和预设合作或竞争模式的局限性，设计了一种兼顾社会整体利益与个性化个体利益的方案，以及一种适应动态交通情境的自适应联盟重组机制。该机制引导自动驾驶车辆根据实际情况自发地在合作和竞争博弈模式之间切换，实现联盟的自然合并与分裂，并达成联盟结构的转型与演化。

(3) 为求解所建立的决策模型，利用Shapley值公平分配每个联盟内部的最优收益，同时提出了一种接力优化方法来以高优化精度和计算效率求解竞争联盟之间的纳什均衡。这些求解过程共同实现了多目标决策收益的动态权衡，展示了实时工程应用和部署的潜力。

本文其余部分组织如下：第2节描述问题建模和协作决策系统框架。第3节构建所提出的交互混合博弈论决策策略。第4节呈现实验验证与结果讨论。最后，第5节得出主要结论。

## 问题建模

面向实际的工程部署，自动驾驶车辆必须适应开放、高度动态且复杂的交通环境。在此背景下，广义交叉口场景（涵盖匝道汇入交叉口和十字交叉口）构成了阻碍自动驾驶技术大规模部署的关键瓶颈。该场景以强烈的多车交互、动态路权协商和高度瞬变的混合博弈论决策任务为特征。博弈论提供了一种表征车辆行为模式之间耦合关系的方法论，涵盖其交互作用、相互影响和相互依赖关系，以及相应的结果。博弈的关键要素定义如下：Vi,j～N, Qi,j～N, Bi,j～N, Π*。玩家组Vi,j～N：Vi,j～N={HVi,EVj,EVj+1,EVj+2,…,EVj+N}，策略空间Qi,j～N：Qi,j～N=Qi×Qj×Qj+1×Qj+2×…×Qj+N，博弈收益Bi,j～N：Bi,j～Ni=Bi(si,sj,sj+1,sj+2,…,sj+N)，Bi,j～Nj=Bj(si,sj,sj+1,sj+2,…,sj+N)测试结果与讨论为验证所提出的协同决策方法的有效性，设计并执行了两个不同的测试案例。具体而言，场景I和场景II分别对应匝道合流交叉口和十字交叉口。这些多样化场景的设计有助于全面评估所提方法在复杂交通环境中的适应性和类人性能。此外，固定结构的竞争性博弈结论针对高风险交叉口场景，本文提出了一种基于交互式混合博弈论的自动驾驶车辆协同决策方法，采用自适应联盟框架。人类驾驶智慧的知识被融入决策策略的构建中。建立了适应动态交通状况的自适应联盟重组机制，实现了联盟结构的转换与演化。CRediT作者贡献声明贾世政：撰写——初稿、项目管理、方法论、数据管理。朱兵：撰写——审阅与编辑、正式分析、概念化。赵健：撰写——审阅与编辑、验证。韩佳怡：撰写——审阅与编辑。陈志诚：撰写——审阅与编辑。张培兴：调查。宋东健：调查。张启祥：监督。利益冲突声明作者声明，我们与可能不当影响我们工作的其他个人或组织之间不存在任何竞争性经济利益或个人关系，对任何产品、服务和/或公司不存在任何性质或类型的专业或其他个人利益，这些利益可能被解释为影响稿件中所呈现的立场或对稿件的审查。致谢本工作部分受国家自然科学基金资助，项目批准号523B2105、52572476和U22A20247，部分受吉林省自然科学基金资助，项目批准号20250101003JJ。贾世政|朱兵|赵健|韩佳怡|陈志诚|张培兴|宋东健|张启祥