第三期 行为预测——9. 车道变换成本函数

在上图中，蓝色自动驾驶赛车（​​左下角）正在努力达到目标（金星）。目前它在正确的车道上，但是绿色的车行驶非常缓慢，所以它考虑是应该执行车道变换（LC）还是仅保持车道（KL）。

这些选项显示为带有虚线轮廓的浅蓝色车辆。如果我们想要设计一个处理车道选择的成本函数，那么确定相关变量是有用的。在这种情况下，我们可以定义：

在我们定义一个实际的成本函数之前，让我们考虑一下我们希望它具有的一些属性...

1.考虑Δd ,我们宁愿Δd的绝对值大一些还是小一些？

$a\; 大$

$b\; 小$

$2.\; 考虑一下因素s\; 对成本函数的影响，车到变换成本函数相关性距离目标近好还是远好？$

$a.\; 远$

$b.\; 近$

我们需要一个成本函数惩罚大的Δd，同时惩罚Δs小的情况。此外，我们希望确保此成本函数的最大成本永远不会超过1，并且最小值永远不会低于零。

$以下哪个建议符合这些标准？$

在这个例子中我们发现，选项2是正确的，如果我们称这一比例为X，我们可以使用该函数在有界范围内的任何函数。这些功能在设计成本函数时很有用。这些类型的函数被称为Sigmoid函数