网联汽车群体智能决策理论与方法研究

Intelligent Cooperation decision-making for connected vehicles is an innovative technology comparing to the traditional automobile industry, which has a profound impact on people's daily lives and driving manners. This project aims to realize the intelligent warning of vehicle driving safety, and the coexistence, cooperation, and cognition of manned/unmanned vehicles. We will conduct research upon four aspects: (1) distributed intelligent adaptive mechanism; (2) interpretable cooperative structure and cooperation reinforcement learning for intelligent decision making of vehicle groups; (3) the theory and method of lifelong learning oriented to the real open traffic environment; (4) test verification platform and methodology. This project will promote technical break-through for generic key technologies as self-adaptive learning safety warning, smarm intelligence cooperative evolutionary reinforcement learning for connected vehicles, game-theoretic learning of manned/unmanned vehicles, and robust learning adaptive to environments. The key scientific issues to be solved include interaction mechanism between mobile environment and multimodal network, smarm intelligence cooperative decision making based on collaborative graph and cooperative mechanism, interpretable group intelligence decision making, and life-long learning from a simulated reality to a real world. The success of this project will provide significant support to the application of vehicles with autonomous learning, collaborative learning, collaborative decision making, safe decision making and efficient decision making, and will promote the transition from human programmed safety warning to automatic safety warning. This project will definitely enhance the level of intelligent vehicles and promote the harmonious communion of manned/unmanned vehicles.

网联汽车群体智能协同决策是传统汽车变革性技术，将对人们日常生活和出行驾驶模式产生深远影响。本项目的研究目标是实现车辆安全的智能预警，有人/无人车共存、协同和认知。重点在面向群体智能分布式自适应机制、面向车辆群体智能决策的可解释协同结构与协同强化学习、面向真实开放交通环境的终身学习理论与方法、试验验证平台与测试验证方法四个方面开展研究；重点突破环境自适应学习的安全预警、网联汽车群体智能协同进化强化学习、有人/无人车博弈学习、环境自适应的鲁棒学习等四项关键技术；重点解决移动环境与多模态网络交互机理、基于协同图和协同机制的群体智能协同决策、可解释的群体智能决策、模拟现实到真实世界终身学习四个关键科学问题。本项目取得的成果将为汽车自主学习、协同学习、协同决策、安全决策、高效决策的智能应用奠定理论基础和技术支撑，实现自动预警代替人工编程预警模式，全面提升智能车等级，促进有人无人驾驶车的和谐共融。

过去的十年，自动驾驶处在感知智能时代，无法达到更高级别的智能决策。未来十年自动驾驶将进入认知智能时代，本项目的目标是赋予自动驾驶的交互智能、协同智能、博弈智能等认知决策能力，实现自动驾驶更高级别智能决策。本项目取得了六大类创新性成果：.1、在自动驾驶领域，首次提出群体智能协同学习方法，克服拓扑变化导致的学习目标非稳态难题，赋予了自动驾驶协同决策的能力；.2、提出了自动驾驶自身利益与周围车辆利益平衡的安全敏感自适应协同学习，克服了安全敏感责任僵化与敏感责任程度不确定问题；.3、提出了多模态平均场博弈多智能体协同理论，克服了自动驾驶中群体差异化博弈无法达到广义纳什均衡困境，赋予了自动驾驶在复杂环境中汇入自然车流的博弈决策能力；.4、提出了集中式监督与个体局部交互协同控制结构和协同学习模型，解决超大规模协同决策与最优控制的层次化监督强化学习问题，可用于大范围(一个城市、一个国家范围)、全方位自动驾驶高效运行；.5、提出了网联汽车物理空间到随机空间映射方法，揭示了移动环境与多模态网络交互机理，进而指导5G/LTE.802.11p协议的智能选择，为群体智能决策提供通信网络支持，同时，实现了人工编程的预警模式向智能预警模式转变。.6、提出了AI-AUTOSA框架，建立了AI-AUTOSAR运行时环境的实时调度理论方法，为群体智能决策模型部署在真实车辆中奠定基础。. 相关成果发表高水平学术论文23篇，申请专利18项，获软件著作权3项，参与发布国家(行业)标准3项，获得相关奖项4次，参加学术会议13次（合计55人次），培养硕士研究生15人，超额完成原定计划成果指标；另外，项目团队4人次入选大连市领军人才、高端人才和青年才俊计划。相关研究工作被美国MIT、密歇根州立大学、斯坦福大学、南洋理工大学、阿德莱德大学、德国马克斯普朗克软件系统研究所、美国新泽西理工大学、北京大学、浙江大学科研团队在本领域重要期刊上正面引用、评价和跟踪研究。