技术新讯 > 信号装置的制造及其应用技术 > 一种他车换道侵犯性的自车行驶风险评估方法  >  正文

一种他车换道侵犯性的自车行驶风险评估方法

  • 国知局
  • 2024-07-31 21:17:04

本发明涉及他车换道进行交互的自车行驶风险评估方法的,更具体的说,尤其涉及一种他车换道侵犯性的自车行驶风险评估方法的。

背景技术:

1、自动驾驶成为现在车辆发展的主要趋势,自动驾驶研究过程中,车辆在直线行驶以及主动转向的控制过程较为成熟;但是在自动行驶过程中与他车换道进行交互过时自车自动驾驶如何提高安全指数为需要深入研究;

2、高速环境车辆自动驾驶过程中,开展自动驾驶车辆交互式行为决策研究;考虑到未来将有很长一段时间处于自动驾驶车辆与人工驾驶车辆混行场景中,其中人类驾驶员的驾驶行为存在较高不确定性与侵犯性程度的随机性,是自动驾驶车辆的重点关注对象。换道行为是日常驾驶过程中常见且对周边自动驾驶车辆行车安全影响较大的驾驶行为之一。

3、因此如何对人工驾驶前车换道至自动驾驶车辆前方时,特别是左换道切入场景下自动驾驶车辆的行为决策前的风险评估,成为本领域亟需解决的难题。

技术实现思路

1、为了解决上述技术问题,本发明提供一种他车换道侵犯性的自车行驶风险评估方法,实现人工驾驶前车换道至自动驾驶车辆前方时,特别是左换道切入场景下,在与其换道交互时,自动驾驶车辆受到侵犯,自动驾驶车辆进行行为决策前的风险评估,所述风险评估具有预见性和快速性。

2、发明一个方面提供了一种他车换道侵犯性的自车行驶风险评估方法,包括以下步骤:获取实时换道前车特征数据、实时自车特征数据;

3、基于sigmoid函数构建换道侵犯性程度评价模块,所述换道侵犯性程度评价模块将部分所述实时自车特征数据通过换道侵犯性程度评价函数计算得到换道侵犯性程度指标doa;

4、构建交互风险暴露程度量化模块,所述交互风险暴露程度量化模块将实时换道前车特征数据、部分实时自车特征数据以及换道侵犯性程度指标doa通过交互风险暴露程度量化函数计算得到交互风险暴露程度指标rel;

5、构建碰撞损失能量量化模块,所述碰撞损失能量量化模块将实时换道前车特征数据、部分实时自车特征数据以及换道侵犯性程度指标doa通过碰撞损失能量量化函数计算得到交互风险严重程度指标rsl;

6、构建换道侵犯性交互风险模块,所述换道侵犯性交互风险模块将交互风险暴露程度指标rel、交互风险严重程度指标rsl通过换道侵犯性交互风险量化函数计算得到换道侵犯性交互风险指数dri_doa;换道侵犯性交互风险指数dri_doa为他车换道侵犯性的自车行驶风险评估值;所述他车换道侵犯性的自车行驶风险评估方法,即能对他车正常换道自动驾驶的自车的行驶风险进行评估,同时能对他车的侵犯性换道自动驾驶的自车的行驶风险进行评估。

7、侵犯性换道是指换道车辆在换道过程中对交互车辆造成实质性影响,侵犯到交互车辆切身利益(例如:行驶路权、人身财产安全)的换道行为。“实质性影响”指的是换道车辆对交互车辆给予空间上的压迫,迫使交互车辆主动“牺牲路权”,以增加空间上的心理安全感;

8、他车换道侵犯性的自车行驶风险含义为,其他车辆尤其是人工驾驶的其他车辆,换道至自动驾驶汽车所在车道的前方时自动驾驶车辆受到侵犯性换道的风险。

9、“风险”定义为碰撞可能性、碰撞严重度与他车侵犯性的组合;碰撞可能性用于表征自动驾驶车辆行驶过程中与周围的交通参与者(换道车辆)或障碍物发生碰撞的可能性;碰撞严重度用于表征碰撞对驾驶员、乘客及其他交通参与者等造成伤害的严重程度。

10、因此他车换道侵犯性的自车行驶风险评估方法,对于换道车辆换道至自动驾驶车辆车道前方的交互场景进行评估得到的换道侵犯性交互风险指数dri_doa,涵盖了换道车辆的侵犯性程度影响自动驾驶车辆碰撞可能性、碰撞严重度的因素。

11、对于换道车辆换道到自动驾驶车辆车道前方的交互场场景中自动驾驶车辆以及换道车辆数据的获取:自动驾驶车辆依靠车载传感设备获取交通环境信息,车载传感设备包括摄像头、雷达、全球导航卫星系统(gnss)、惯性测量单元(imu)中的一种或多种;优选的,所述摄像头可以采集环境中道路标志、交通信号灯、其他交通参与者丰富的视觉数据;雷达可以获取周围车辆的形状、距离、速度信息;gnss可以提供车辆的位置、速度、航向全球定位信息;imu可以提供车辆的加速度、角速度等惯性信息。

12、与现有技术相比,本发明具有以下有益效果:通过所述交互风险暴露程度量化模块将实时换道前车特征数据、部分实时自车特征数据以及换道侵犯性程度指标doa通过交互风险暴露程度量化函数计算得到交互风险暴露程度指标rel。

13、通过交互风险暴露程度量化函数计算得到交互风险暴露程度指标rel,实现自动驾驶车辆行驶过程,对其他车辆进行换道至自动驾驶的自车前方时发生碰撞的可能性进行量化;

14、同时实现将换道车辆的侵犯性程度对自动驾驶车辆碰撞可能性影响体现到量化的交互风险暴露程度指标rel;

15、通过碰撞损失能量量化函数计算得到交互风险严重程度指标rsl,实现自动驾驶车辆行驶过程,对其他车辆进行换道到自动驾驶的自车前方时发生碰撞的碰撞严重度进行量化;同时实现将换道车辆的侵犯性程度对自动驾驶车辆碰撞严重度的影响体现到量化的交互风险严重程度指标rsl;

16、通过换道侵犯性交互风险量化函数计算得到换道侵犯性交互风险指数dri_doa,实现其他车辆尤其是人工驾驶的其他车辆换道到自动驾驶的车道前方时自动驾驶车辆受到的风险进行量化,此风险量化过程中考虑到侵犯性换道的因素;实现换道侵犯性交互风险指数dri_doa为他车换道侵犯性的自车行驶风险评估值;

17、实现人工驾驶前车换道至自动驾驶车辆前方时,特别是左换道切入场景下,自动驾驶车辆受到侵犯性换道,自动驾驶车辆进行行为决策前的风险评估;且由于风险评估包括为碰撞可能性、碰撞严重度与他车侵犯性,有利于实现换道车辆即使是人工驾驶的车辆其换道风格异常时,通过换道侵犯性进行量化对换道风格侵犯程度进行定量,从而实现风险评估具有预见性和快速性。

18、进一步的,所述实时换道前车特征数据包括实时换道前车速率v2、实时换道前车转角θ、换道前车质量m2;实时自车特征数据包括实时自车速率v1、实时自车质量m1、实时自车加速度at。

19、进一步的,所述侵犯性程度评价模块将实时自车加速度实时自车加速度at通过侵犯性程度评价函数计算得到侵犯性程度指标doa;

20、所述侵犯性程度评价函数为:

21、

22、侵犯性程度指标doa为0,自车加速度at>0,自车加速度为正向,侵犯性程度此时为0;自车加速度at≤0,自车为负向加速度(实际减速),自车加速度绝对值越大时,对应的侵犯性程度就越高,侵犯性最大值取1。

23、采用上一步的有益效果在于,通过自动驾驶的自车减速度的侵犯性程度作为侵犯性的量化指标;即侵犯性换道时,自动驾驶的自车为避免碰撞发生采取减速的手段来保证换道交互过程的安全;减速的剧烈程度能够真实的反应侵犯性的程度,实现对换道车辆的侵犯程度进行定性;从而实现通过侵犯性程度评价函数能够对换道车辆换道时的侵犯性程度进行量化得到侵犯性程度指标doa,且侵犯性程度指标doa能够体现换道车辆的侵犯程度的趋势,从而有利于实现换道侵犯性交互风险指数dri_doa具有预见性和快速性。

24、进一步的,所述交互风险暴露程度量化模块将实时换道前车速率v2、实时自车速率v1以及换道侵犯性程度指标doa通过交互风险暴露程度量化函数计算得到交互风险暴露程度指标rel;

25、所述交互风险暴露程度量化函数为:

26、

27、relt为t时刻换道前车与自车的交互风险暴露程度指标;

28、所述aggreesiveinft为在t时刻的碰撞可能性综合因子;

29、所述碰撞可能性综合因子为同时考虑理论碰撞可能性和换道前车驾驶员异质性带来的附加碰撞可能性;

30、sdit为t时刻换道前车和自车在当前车速和距离下的理论碰撞可能性指标;

31、c为指数衰减函数edf的形状参数;当sdit<0时,后车无法避免与前车发生碰撞,交互风险暴露程度指标relt为1,sdit≥0时,碰撞可能性转化为数值限制在0到1之间的交互风险暴露程度指标;优选的,edf为y=exp(-z/c),c=2;doat越大,他车侵犯性对自车的威胁越大,风险暴露程度指标relt越大。

32、进一步的,

33、

34、所述st为t时刻换道前车和自车的两车的间距;为换道前车停车距离指标;自车的停车距离指标。

35、进一步的,

36、

37、

38、所述a为车辆设置的最大减速度;g是道路的坡度;tr为感知反应时间;ss为安全距离。

39、采用上一步的有益效果在于,实现自动驾驶车辆行驶过程,对其他车辆进行换道到自动驾驶的自车前方时发生碰撞的可能性进行量化;

40、同时实现将换道车辆的侵犯性程度对自动驾驶车辆碰撞可能性影响体现到量化的交互风险暴露程度指标rel。

41、进一步的,所述碰撞损失能量量化模块将实时换道前车速率v2、实时换道前车转角θ、换道前车质量m2;实时自车特征数据包括实时自车速率v1、实时自车质量m1以及换道侵犯性程度指标doa通过碰撞损失能量量化函数计算得到交互风险严重程度指标rsl;

42、碰撞损失能量量化函数为:

43、

44、rslt为t时刻换道前车与自车的交互风险严重程度指标rsl;

45、agreesiveingt为在t时刻的碰撞严重程度综合因子;

46、所述碰撞严重程度综合因子为同时考虑严重程度和换道前车驾驶员异质性带来的附加严重程度。

47、进一步的,

48、

49、leit为t时刻换道前车与自车的碰撞损失能量程度指标;

50、rm为主撞车与被撞车的质量比,当换道前车与自车发生碰撞时rm=m1/m2;

51、doat越大,他车侵犯性对自车的威胁越大,交互风险严重程度指标rsl。

52、采用上一步的有益效果在于,实现自动驾驶车辆行驶过程,对其他车辆进行换道到自动驾驶的自车前方时发生碰撞的碰撞严重度进行量化;

53、同时实现将换道车辆的侵犯性程度对自动驾驶车辆碰撞严重度的影响体现到量化的交互风险严重程度指标rsl。

54、进一步的,所述换道侵犯性交互风险量化函数为:

55、dri_doat=rslt×relt。

56、采用上一步的有益效果在于,实现换道车辆换道到自动驾驶汽车的车道前方时考虑他车换道侵犯性的风险进行量化;实现人工驾驶前车换道至自动驾驶车辆前方时,特别是左换道切入场景下,自动驾驶车辆受到侵犯性换道,自动驾驶车辆进行行为决策前的风险评估;且风险评估具有预见性和快速性。

57、进一步的,换道前车和/或自车为乘用车时a为3.4m/s2,换道前车和/或自车为卡车时a为2.4m/s2;g是重力加速度;g为0;tr设定为2.5s,ss设定为0。

58、采用上一步的有益效果在于,有利于得到的换道侵犯性交互风险指数dri_doa更体现实际车辆换道的状况,考虑了人工车辆换道过程中体现出来的侵犯性。

本文地址:https://www.jishuxx.com/zhuanli/20240731/189119.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。