CN112009397B - 一种自动驾驶路测数据分析方法及装置 - Google Patents

一种自动驾驶路测数据分析方法及装置 Download PDF

Info

Publication number
CN112009397B
CN112009397B CN202010763661.5A CN202010763661A CN112009397B CN 112009397 B CN112009397 B CN 112009397B CN 202010763661 A CN202010763661 A CN 202010763661A CN 112009397 B CN112009397 B CN 112009397B
Authority
CN
China
Prior art keywords
vehicle
data
driver
speed
braking
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010763661.5A
Other languages
English (en)
Other versions
CN112009397A (zh
Inventor
朱敦尧
周风明
郝江波
郑卫民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Kotei Informatics Co Ltd
Original Assignee
Wuhan Kotei Informatics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan Kotei Informatics Co Ltd filed Critical Wuhan Kotei Informatics Co Ltd
Priority to CN202010763661.5A priority Critical patent/CN112009397B/zh
Publication of CN112009397A publication Critical patent/CN112009397A/zh
Application granted granted Critical
Publication of CN112009397B publication Critical patent/CN112009397B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
    • B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
    • B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明提供一种自动驾驶路测数据分析方法及装置，该方法包括：获取自动驾驶中驾驶员主动接管时刻对应的CAN数据，对自动接管场景中的CAN数据进行关键数据提取，得到CAN数据集；根据所述CAN数据集绘制散点图，并基于所述散点图进行回归曲线拟合得到驾驶员主动接管阈值模型；根据所述驾驶员主动接管阈值模型，生成不同行车条件下车辆AEB制动规则。通过该方案解决了现有阈值测试成本高问题，可以降低阈值提取测试成本，保障车辆驾驶安全。

Description

一种自动驾驶路测数据分析方法及装置
技术领域
本发明涉及自动驾驶领域，尤其涉及一种自动驾驶路测数据分析方法及装置。
背景技术
随着自动驾驶技术的成熟，在很多场景下可以脱离驾驶员手动驾驶，而在一些存在潜在危险的场景，仍需要主动接管，过多的主动接管不仅会影响驾驶体验，而且还可能带来潜在的危险。
当前的自动驾驶***，通常采用预先设定危险阈值的方式进行主动接管判断，当车辆的行驶参数达到危险阈值则提醒驾驶员接管，或进行自动进行制动调整。然而危险阈值的设定需要大量的测试数据，而且还需要根据周围场景环境的不同，进行调整修正，这样会大大增加驾驶***的测试成本。
发明内容
有鉴于此，本发明实施例提供了一种自动驾驶路测数据分析方法及装置，以解决现有驾驶***接管阈值测试成本高的问题。
在本发明实施例的第一方面，提供了一种自动驾驶路测数据分析方法，包括：
获取自动驾驶中驾驶员主动接管时刻对应的CAN数据，对自动接管场景中的CAN数据进行关键数据提取，得到CAN数据集；
根据所述CAN数据集绘制散点图，并基于所述散点图进行回归曲线拟合得到驾驶员主动接管阈值模型；
根据所述驾驶员主动接管阈值模型，生成不同行车条件下车辆AEB制动规则。
在本发明实施例的第二方面，提供了一种自动驾驶路测数据分析装置，包括：
提取模块，用于获取自动驾驶中驾驶员主动接管时刻对应的CAN数据，对自动接管场景中的CAN数据进行关键数据提取，得到CAN数据集；
拟合模块，用于根据所述CAN数据集绘制散点图，并基于所述散点图进行回归曲线拟合得到驾驶员主动接管阈值模型；
生成模块，用于根据所述驾驶员主动接管阈值模型，生成不同行车条件下车辆AEB制动规则。
在本发明实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
本发明实施例中，通过获取自动驾驶中驾驶员主动接管时刻对应的CAN数据，对自动接管场景中的CAN数据进行关键数据提取，得到CAN数据集；根据所述CAN数据集绘制散点图，并基于所述散点图进行回归曲线拟合得到驾驶员主动接管阈值模型；根据所述驾驶员主动接管阈值模型，生成不同行车条件下车辆AEB制动规则。不仅可以得到车辆主动接管时的阈值模型，而且可设定对应场景的车辆制动规则，基于大量的路测数据的分析可以实现阈值模型的提取，有效利用已有的测试数据，可以有效降低接管阈值测试成本，从而解决了现有自动驾驶***接管阈值测试成本高的问题，同时，可以在驾驶***中预先设定对应的制动规则，保障车辆行驶安全，避免主动接管，提升驾驶体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他附图。
图1为本发明的一个实施例提供的自动驾驶路测数据分析方法的流程示意图；
图2为本发明的一个实施例提供的自动驾驶路测数据分析装置的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
本发明的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述，意指覆盖不排他的包含，如包含一系列步骤或单元的过程、方法或***、设备没有限定于已列出的步骤或单元。
一般实车路测过程中，可以有效验证自动驾驶功能在复杂场景下的表现。通过记录功能失效的场景，后期可以进行数据回放测试。而实车路测数据量庞大，现有数据分析方法没有对该数据充分挖掘利用，发现其数据价值。
请参阅图1，图1为本发明实施例提供的一种自动驾驶路测数据分析方法的流程示意图，包括：
S101、获取自动驾驶中驾驶员主动接管时刻对应的CAN数据，对自动接管场景中的CAN数据进行关键数据提取，得到CAN数据集；
所述主动接管指的是驾驶员主动操作控制车辆的行驶，如踩下制动踏板或转动方向盘等，收集此时车辆的CAN数据。通常会对多个场景下车辆主动接管时刻的CAN数据进行采集。
所述关键数据为CAN数据中一些车辆控制参数，如车辆行驶速度，以及测量得到的数据如与目标车辆或障碍物的距离、目标车辆行驶速度。
所述CAN数据集包括自车速度、自车与目标车辆的相对速度、自车与目标车辆的纵向及横向距离、碰撞时间和车头时距。其中，碰撞时间和车头时距是根据自车速度以及自车和目标车辆相对速度、相对距离，计算得到。
常规危险定义均以TTC(碰撞时间)作为单一判断指标，而当两车车速较为接近，其距离较小的情况下，此时TTC(碰撞时间)较大，但仍属于危险场景，因而引进THW(车头时距)，用以弥补对潜在危险场景的漏判。
S102、根据所述CAN数据集绘制散点图，并基于所述散点图进行回归曲线拟合得到驾驶员主动接管阈值模型；
将自车与目标车辆的纵向距离作为横坐标，碰撞时间和车头时距作为纵坐标，绘制不同自动接管场景下CAN数据集中数据分布的散点图。
基于所述散点图进行回归曲线拟合，获取自车速度、以及自车和他车相对速度在不同车速段下的临界值，形成驾驶员主动接管阈值模型，所述临界值为自车与他车间的安全距离。
S103、根据所述驾驶员主动接管阈值模型，生成不同行车条件下车辆AEB制动规则。
车辆AEB(Autonomous Emergency Braking)制动规则即车辆主动安全的制动规则，用于控制车辆保障安全行驶。基于阈值模型，可以设计AEB算法制动规则。
具体的，根据自车速度、目标车辆速度、自车与目标车辆的相对距离、道路制动标准、天气及阈值模型，生成不同自车速度、车辆相对速度、车辆相对距离、制动标准和天气下对应的车辆制动方案，以保证自动驾驶车辆跟车距离、制动距离满足预定要求。即自动驾驶车辆在不同车速、与目标车辆不同的相对速度、与目标车辆不同的相对距离、不同道路制动标准以及不同天气下的车辆需要主动接管时的制动方案。
根据自然驾驶数据集建立的阈值模型中，可以判定出AEB算法在测试场景中的表现情况，若其制动点，超出阈值及上下最大偏差值，则可以判定该场景中算法制动控制不及时，并根据制动点的偏差给出相应的安全性评估。
本实施例中，通过对实车路测中主动接管场景数据提取分析，得到多种接管场景下对应的行车阈值模型，进而可以进行制动规则设定，保障车辆行驶安全的同时，可有效减少主动接管，提升驾驶体验，同时，降低在传统接管阈值设定进行测试带来的成本。
应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图2为本发明实施例提供的一种自动驾驶路测数据分析装置的结构示意图，该装置包括：
提取模块210，用于获取自动驾驶中驾驶员主动接管时刻对应的CAN数据，对自动接管场景中的CAN数据进行关键数据提取，得到CAN数据集；
其中，所述CAN数据集包括自车速度、自车与目标车辆的相对速度、自车与目标车辆的纵向及横向距离、碰撞时间和车头时距。
拟合模块220，用于根据所述CAN数据集绘制散点图，并基于所述散点图进行回归曲线拟合得到驾驶员主动接管阈值模型；
具体的，所述根据所述CAN数据集绘制散点图包括：
将自车与目标车辆的纵向距离作为横坐标，碰撞时间和车头时距作为纵坐标，绘制不同自动接管场景下CAN数据集中数据分布的散点图。
进一步的，基于所述散点图进行回归曲线拟合，获取自车速度、以及自车和他车相对速度在不同车速段下的临界值，形成驾驶员主动接管阈值模型，所述临界值为自车与他车间的安全距离。
生成模块230，用于根据所述驾驶员主动接管阈值模型，生成不同行车条件下车辆AEB制动规则。
具体的，所述生成模块230包括：
生成单元，用于根据自车速度、目标车辆速度、自车与目标车辆的相对距离、道路制动标准、天气及阈值模型，生成不同自车速度、车辆相对速度、相对距离、制动标准和天气下对应的车辆制动方案，以保证自动驾驶车辆跟车距离、制动距离满足预定要求。
本领域普通技术人员可以理解的是，在一个实施例中，所述电子设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现步骤S101至S103以对路测数据分析，生成制动规则。
本领域技术人员还可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括步骤S101～S103，所述的存储介质包括如：ROM/RAM、磁碟、光盘等。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种自动驾驶路测数据分析方法，其特征在于，包括：
获取自动驾驶中驾驶员主动接管时刻对应的CAN数据，对自动接管场景中的CAN数据进行关键数据提取，得到CAN数据集；
根据所述CAN数据集绘制散点图，并基于所述散点图进行回归曲线拟合得到驾驶员主动接管阈值模型；
其中，将自车与目标车辆的纵向距离作为横坐标，碰撞时间和车头时距作为纵坐标，绘制不同自动接管场景下CAN数据集中数据分布的散点图；
基于所述散点图进行回归曲线拟合，获取自车速度、以及自车和他车相对速度在不同车速段下的临界值，形成驾驶员主动接管阈值模型，所述临界值为自车与他车间的安全距离；
根据所述驾驶员主动接管阈值模型，生成不同行车条件下车辆AEB制动规则。
2.根据权利要求1所述的方法，其特征在于，所述CAN数据集包括自车速度、自车与目标车辆的相对速度、自车与目标车辆的纵向及横向距离、碰撞时间和车头时距。
3.根据权利要求1所述的方法，其特征在于，所述根据所述驾驶员主动接管阈值模型，生成不同行车条件下车辆AEB制动规则包括：
根据自车速度、目标车辆速度、自车与目标车辆的相对距离、道路制动标准、天气及阈值模型，生成不同自车速度、车辆相对速度、车辆相对距离、制动标准和天气下对应的车辆制动方案，以保证自动驾驶车辆跟车距离、制动距离满足预定要求。
4.一种道路标签生成装置，其特征在于，包括：
提取模块，用于获取自动驾驶中驾驶员主动接管时刻对应的CAN数据，对自动接管场景中的CAN数据进行关键数据提取，得到CAN数据集；
拟合模块，用于根据所述CAN数据集绘制散点图，并基于所述散点图进行回归曲线拟合得到驾驶员主动接管阈值模型；
其中，将自车与目标车辆的纵向距离作为横坐标，碰撞时间和车头时距作为纵坐标，绘制不同自动接管场景下CAN数据集中数据分布的散点图；
基于所述散点图进行回归曲线拟合，获取自车速度、以及自车和他车相对速度在不同车速段下的临界值，形成驾驶员主动接管阈值模型，所述临界值为自车与他车间的安全距离；
生成模块，用于根据所述驾驶员主动接管阈值模型，生成不同行车条件下车辆AEB制动规则。
5.根据权利要求4所述的装置，其特征在于，所述CAN数据集包括自车速度、自车与目标车辆的相对速度、自车与目标车辆的纵向及横向距离、碰撞时间和车头时距。
6.一种电子设备，包括处理器、存储器以及存储在所述存储器中并在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3中任一项所述自动驾驶路测数据分析方法的步骤。
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述自动驾驶路测数据分析方法的步骤。
CN202010763661.5A 2020-07-31 2020-07-31 一种自动驾驶路测数据分析方法及装置 Active CN112009397B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010763661.5A CN112009397B (zh) 2020-07-31 2020-07-31 一种自动驾驶路测数据分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010763661.5A CN112009397B (zh) 2020-07-31 2020-07-31 一种自动驾驶路测数据分析方法及装置

Publications (2)

Publication Number Publication Date
CN112009397A CN112009397A (zh) 2020-12-01
CN112009397B true CN112009397B (zh) 2022-03-08

Family

ID=73499007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010763661.5A Active CN112009397B (zh) 2020-07-31 2020-07-31 一种自动驾驶路测数据分析方法及装置

Country Status (1)

Country Link
CN (1) CN112009397B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113022520B (zh) * 2021-05-27 2021-08-13 天津所托瑞安汽车科技有限公司 自适应刹车方法、设备和存储介质
CN113460061B (zh) * 2021-07-08 2022-05-31 武汉光庭信息技术股份有限公司 一种驾驶行为分析方法及***
CN114407918B (zh) * 2021-12-30 2023-03-14 广州文远知行科技有限公司 接管场景分析方法、装置、设备及存储介质
CN114882477A (zh) * 2022-03-04 2022-08-09 吉林大学 一种利用眼动信息预测自动驾驶接管时间的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101778741A (zh) * 2007-07-24 2010-07-14 日产自动车株式会社 车辆驾驶辅助***、方法以及装备该车辆驾驶辅助***的车辆
CN105966396A (zh) * 2016-05-13 2016-09-28 江苏大学 一种基于驾驶员避撞行为的车辆避撞控制方法
CN106314428A (zh) * 2016-09-14 2017-01-11 中国科学院微电子研究所 一种避撞***、避撞方法及机动车辆
CN108891350A (zh) * 2018-07-27 2018-11-27 武汉理工大学 一种基于前车驾驶员制动习惯的防追尾预警***及方法
CN109801511A (zh) * 2017-11-16 2019-05-24 华为技术有限公司 一种碰撞预警方法及装置
CN109808706A (zh) * 2019-02-14 2019-05-28 上海思致汽车工程技术有限公司 学习式辅助驾驶控制方法、装置、***及车辆

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101778741A (zh) * 2007-07-24 2010-07-14 日产自动车株式会社 车辆驾驶辅助***、方法以及装备该车辆驾驶辅助***的车辆
CN105966396A (zh) * 2016-05-13 2016-09-28 江苏大学 一种基于驾驶员避撞行为的车辆避撞控制方法
CN106314428A (zh) * 2016-09-14 2017-01-11 中国科学院微电子研究所 一种避撞***、避撞方法及机动车辆
CN109801511A (zh) * 2017-11-16 2019-05-24 华为技术有限公司 一种碰撞预警方法及装置
CN108891350A (zh) * 2018-07-27 2018-11-27 武汉理工大学 一种基于前车驾驶员制动习惯的防追尾预警***及方法
CN109808706A (zh) * 2019-02-14 2019-05-28 上海思致汽车工程技术有限公司 学习式辅助驾驶控制方法、装置、***及车辆

Also Published As

Publication number Publication date
CN112009397A (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
CN112009397B (zh) 一种自动驾驶路测数据分析方法及装置
CN108773373B (zh) 用于操作自动驾驶车辆的方法和装置
EP3460613B1 (en) Speed planning method and apparatus and calculating apparatus for automatic driving of vehicle
CN111267846B (zh) 一种基于博弈论的周围车辆交互行为预测方法
US20220048536A1 (en) Method and device for testing a driver assistance system
WO2021248301A1 (zh) 自动驾驶***的自学习方法、装置、设备及存储介质
CN110775069B (zh) 一种混行模式下车辆驾驶模式识别装置和方法
CN113501001A (zh) 一种无人驾驶车辆变道行驶控制方法、***及终端
WO2021036083A1 (zh) 自动驾驶的驾驶员行为模型开发方法、设备和存储介质
CN113370996B (zh) 自动驾驶换道跟驰决策方法及***、自动驾驶车辆
CN109572689B (zh) 一种基于雷达识别障碍物的整车控制方法及***
EP3570214B1 (en) Automobile image processing method and apparatus, and readable storage medium
CN114248805B (zh) 一种缓解人机冲突的智能驾驶控制权重分配方法及***
CN111862629A (zh) 一种弯道超速预警及主动限速方法和***
KR102545109B1 (ko) 차량용 허위 타겟 제거 장치 및 그의 허위 타겟 제거 방법과 그를 포함하는 차량
CN114954503A (zh) 自动驾驶转向故障预测及冗余控制方法、***及电子设备
CN113743356A (zh) 数据的采集方法、装置和电子设备
CN116461507A (zh) 一种车辆驾驶决策方法、装置、设备和存储介质
CN116901963A (zh) 自动驾驶车辆的制动控制方法、装置、车辆和介质
CN116564084A (zh) 一种基于纯路端感知的网联式辅助驾驶控制方法及***
CN116279428A (zh) 一种自动泊车停车避障的方法及***
CN115635964A (zh) 车辆、及其巡航方法、装置和电子设备
CN113401117A (zh) 一种基于大数据分析的人车共享方法
CN113415274A (zh) 自动驾驶的跟车轨迹规划***、方法、车辆及存储介质
CN114265354A (zh) 一种车辆控制方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant