TGLD：面向异构交通环境中自动驾驶车辆的基于信任的博弈论车道变换决策框架

自动驾驶车辆（AVs）面临着在异构交通环境中采取社会兼容行为并与人驾车辆（HVs）有效协作的关键需求。然而，大多数现有车道变换框架忽略了 HVs 的动态信任水平，限制了其准确预测人类驾驶行为的能力。为此，本研究提出一种信任感知的博弈论车道变换决策（TGLD）框架。首先，构建多车联合博弈，融合 AVs 之间完全合作的互动以及受实时信任评估启发的 HVs 部分合作行为。其次，开发在线信任评估方法，以动态估计车道变换互动中 HVs 的信任水平，指导 AVs 选择恰当的合作机动。最后，考虑社会兼容性目标，通过最小化对周围车辆的干扰并增强 AV 行为的可预测性，以确保人类友好且情境自适应的车道变换策略。我们在高速公路匝道合并情境下进行了人机在环实验，以验证 TGLD 方法的有效性。结果表明，AVs 可根据不同 HVs 的信任水平和驾驶风格有效调整策略。此外，融合信任机制显著提升了车道变换效率，保持了安全性，并促进了透明且自适应的 AV-HV 交互。