一种基于STPA的横纵耦合避撞的危害评估与决策方法

本发明属于自动驾驶，尤其涉及一种基于stpa的横纵耦合避撞的危害评估与决策方法。

背景技术：

1、近年来，车辆驾驶辅助技术迅速发展，辅助驾驶的安全性正不断上升，绝大部分车型均强制安装基础的主动安全系统，如自动紧急制动(autonomous emergency brake,aeb)等。而面对复杂的交通环境，现有的辅助驾驶系统只能采取简单的控制措施，不能满足更高级自动驾驶的要求，在一些场景并不能采取最有效的安全决策，造成不必要的后果。

2、随着行车电脑(ecu)的发展迭代，智能汽车逐渐获得了更强的感知、判断、决策和执行能力，为更复杂的控制动作提供硬件基础。现阶段面对紧急情况，车辆的主动安全系统普遍采用aeb，部分车型同时配备横向的主/被动避让系统，如沃尔沃的城市安全系统(citysafety)。这些避撞系统通常只采用一种避撞方式，或在驾驶员操作意图的基础上提供警告与必要助力，鲜有横纵向耦合的避撞系统，这就导致决策时对其他可能更优避撞方案的忽视，甚至导致更严重的事故。另外在事故无法避免时，及时判断并选择损失最小的操作是人类驾驶员难以做到的，代替人类驾驶员完成超出人脑极限的工作是智能车机发展的目标，也是更高级自动驾驶提出的要求。

技术实现思路

1、针对现有技术中的不足，本发明提出了一种基于stpa的横纵耦合避撞的危害评估与决策方法，以实现自动驾驶汽车在复杂的情景下，根据诸多因素对复数潜在事故的危害进行量化评估，即可接受度ac，并做出最合理的决策。

2、为了实现本发明的目的，本发明所采用的技术方案如下：

3、一种基于stpa的横纵耦合避撞的危害评估与决策方法，包括以下步骤：

4、s1、获取自车与周围交通参与者的状态信息与障碍物信息，确定碰撞类型；

5、s2、获取行驶区域的道路信息与环境条件，确定法规修正系数la以及制动权重修正系数f；

6、s3、根据s1和s2获取的状态信息与障碍物信息、道路信息与环境条件结合stpa方法，对横纵向耦合避撞的危害进行评估，确定横纵向耦合避撞系统级危险及对应损失的可接受度ac，并根据横纵向耦合避撞系统级危险确定安全约束；

7、s4、根据s2中的法规修正系数la以及s3中的可接受度ac进行避撞决策。

8、其中，所述法规修正系数la，用于为各避撞危害的可接受度ac提供修正。如跨越实线、右侧变道、占用专用道、超速驾驶等，在一定程度上会降低该决策的la，当其中两候选决策基础ac(基础ac“即”基础可接受度)接近时，通过引入la，汽车可能会选择合法性更高的决策。

9、其中，路面附着与路面起伏的估算基于传感器信息，由ai识别的道路信息及环境信息(雨雪覆盖、山区道路、城市道路等)给予修正，低附着、高起伏增大修正系数f，决策更偏向制动，以避免失控危害。

10、本发明借助spta分析的理念，最大程度上确保考虑范围内的危害能够覆盖绝大部分场景，由横纵向耦合避撞得出用以计算ac的损失，根据严重程度分为人员伤亡l1、自车人员死亡l1a、其他人员死亡l1b、行人重伤l1c、车乘人员受伤l1 d、车辆损伤l2、公物破坏l3、主责判定l4、附加影响l5。

11、通常严重程度对应的系统级危险为：

12、l1、l2、l5对应对向正面碰撞h1；

13、l1a/d、l2、l3、l5对应障碍物碰撞h2；

14、在追尾事故h3中，严重程度对应的系统级危险为：

15、l1 d、l2、l4对应追尾同道前车h3a；

16、l1 d、l2、l4对应追尾邻道前车h3b；

17、l1 d、l2、l4对应被邻道后车追尾h3c；

18、l1 d、l2对应被同道后车追尾h3d；

19、l1 d、l2、l4对应侧面碰撞h4；

20、l1、l2、l3对应失控h5。

21、进一步，所述s1中的自车的状态信息包括：自车当前车速矢量、自车所在车道、以自车为原点的坐标系；

22、所述s1中的周围交通参与者的状态信息包括：他车当前车速矢量、他车所在车道、他车在以自车为原点的坐标系中的位置、他车车型、行人在以自车为原点的坐标系中的位置；

23、所述s1中的自车的障碍物信息包括：障碍物阻挡目标车道、障碍物在坐标系中的位置；

24、所述s2中的行驶区域的道路信息包括：道路类型、道路限速、车道标线、路口信息；

25、所述s2中的行驶区域的环境条件包括：路面附着、路面起伏、能见度。

26、进一步，所述横纵向耦合避撞包括：加速、制动、左避让、右避让、左避让加速、右避让加速和左避让制动以及右避让制动。

27、进一步，所述横纵向耦合避撞系统级危险及对应损失中的损失包括：人员伤亡、车辆损伤、公物破坏和主责判定以及附加影响；

28、所述横纵向耦合避撞系统级危险及对应损失中的系统级危险包括：对向正面碰撞、障碍物碰撞、追尾事故和侧面碰撞以及失控；

29、所述安全约束包括：识别对向来车并避撞，避免驶入对向车道、识别障碍物并避撞，避免驶出道路、识别当前及目标车道车辆并合理决策aeb、识别侧面车辆并合理决策换道和触发aeb以及转向时避免超出安全性阈值。

30、更进一步，所述人员伤亡包括：自车人员死亡、其他人员死亡、行人重伤、车乘人员受伤；

31、所述追尾事故包括：追尾同道前车、追尾邻道前车、被邻道后车追尾、被同道后车追尾。

32、进一步，所述可接受度ac的评估过程包括如下步骤：

33、(1)、根据道路信息计算法规修正系数；

34、(2)、根据自车动力参数确定复数危害目标及预期避撞，并计算复数潜在目标碰撞时间；

35、(3)、确定复数危害目标识别信息：小型车、大型车、特种车辆、非机动车辆、行人、障碍物；

36、(4)、确定碰撞类型：正面碰撞、主动追尾碰撞、被动追尾碰撞、侧面碰撞；

37、(5)、计算碰撞时速及相对速度vc、vrc。

38、进一步，所述s4中的避撞决策包括：

39、(1)、成功避撞决策：确定无危害目标，包括空闲车道，根据法规修正系数选择决策；

40、(2)、最低危害避撞决策：无法执行成功避撞时，确定复数危害目标，根据可接受度选择决策；

41、(3)、可忽略危害避撞决策：仅对被动碰撞危害目标启用，vc及vrc低于阈值时，根据法规修正系数选择决策。

42、更进一步，所述可忽略危害避撞决策的执行为车机停止介入，仅限于主动避撞动作，潜在目标的跟踪不会随之中止。

43、其中，根据自车信息、交通参与者信息与障碍物信息确定碰撞类型：正面碰撞、追尾碰撞(主)、追尾碰撞(被)、侧面碰撞。计算碰撞时速及相对速度vc、vrc。

44、有益效果：

45、(1)、本发明通过采用横纵耦合避撞，避免了单一避撞措施的局限性，能够应对更复杂的场景；

46、(2)、本发明借助stpa分析方法的理念，逆向地从预设的八种横纵耦合避撞推导出损失层级，从而得到更全面的危害评估；

47、(3)、本发明提出可接受度ac的概念，为危害评估的量化提供基础，为行车电脑的决策提供依据，在方法的更新迭代中便于引入更多参量；

48、(4)、本发明在制动与转向之外考虑了加速的情况，使避撞方法更多样化，能够适应更复杂的场景；

49、(5)、本发明在成功避撞之外考虑了无法避免事故的情况，通过可接受度ac选择危害最小的决策，提高了主动避撞的安全性与合理性；

50、(6)、本发明为传统的避撞理念增加了被动碰撞时自车主动采取躲避措施的环节，旨在解决自动驾驶的长尾挑战，进一步保证驾驶的安全。