CN116844135A - 驾驶员驾驶行为评估方法、装置、电子设备及存储介质 - Google Patents
驾驶员驾驶行为评估方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116844135A CN116844135A CN202310970943.6A CN202310970943A CN116844135A CN 116844135 A CN116844135 A CN 116844135A CN 202310970943 A CN202310970943 A CN 202310970943A CN 116844135 A CN116844135 A CN 116844135A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- potential field
- driving
- driver
- efficiency
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000006399 behavior Effects 0.000 claims description 87
- 230000006870 function Effects 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 13
- 238000012887 quadratic function Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000005381 potential energy Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241001272720 Medialuna californiensis Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于改进人工势场的驾驶员驾驶行为评估方法、装置、电子设备及存储介质。其方法包括:获取目标车辆的第一驾驶数据及目标车辆周围车辆的第二驾驶数据;根据每一车辆的自身数据、所述第一驾驶数据及所述第二驾驶数据建立每一车辆的驾驶风险势场和驾驶效率势场;基于所述驾驶风险势场和所述驾驶效率势场对目标车辆上驾驶员的驾驶行为进行评估。本发明通过改进的人工势场,完善了当代驾驶行为评估的评估体系。
Description
技术领域
本发明涉及自动驾驶领域技术领域,尤其涉及一种基于改进人工势场的驾驶员驾驶行为评估方法、装置、电子设备及存储介质。
背景技术
在驾驶员驾驶行为的评价中,分析三急行为是一种常用的方法。但三急行为考虑的是驾驶员行车过程中的安全问题,不涉及驾驶效率。而一个驾驶员驾驶行为的好坏,应该同时考量驾驶员的驾驶安全性和驾驶效率。其次,三急行为是一个面向结果性的评价,即该方法是在驾驶员完成该段驾驶后,根据传感器所获取的数据进行评价。而仅仅依靠这些数据很难对当时驾驶过程中的场景进行准确完整地评估。
目前很多企业以及一些学术论文都在试图细化和充实三急行为的指标,或是对指标进行一些大数据智能算法分析,但都无法解决三急行为的根本性问题。人工势场法是将车辆视为一个质点,其周围存在多个人工势场,如障碍物、终点等,每个势场都会对车辆施加一个力,车辆会受到多个势场的合力而运动。即两车辆距离过近时,该合力表现为斥力,于是需要后车减速或是前车加速,来保证两车之间的安全性。当两辆为跟驰状态的汽车距离过远时,该合力表现为引力,于是需要后车加速;或是对汽车一直是引力作用的目的地,要求汽车尽量快地到达,来保证汽车的驾驶效率。
目前人工势场的方法多用于智能汽车的路径规划,还没应用于驾驶员驾驶行为评价。因此如何根据采集的驾驶信息建立的风险势场和效率势场,以体现当时驾驶场景下车辆的博弈情况,完善驾驶员驾驶行为的评估是一个亟待解决的技术问题。
发明内容
有鉴于此,有必要提供一种改进人工势场的驾驶员驾驶行为评估方法、装置、电子设备及存储介质,用以完善对当前驾驶员驾驶行为的准确评估。
为了实现上述目的,第一方面,本发明提供一种改进人工势场的驾驶员驾驶行为评估方法,包括:
获取目标车辆的第一驾驶数据及目标车辆周围车辆的第二驾驶数据;
根据每一车辆的自身数据、所述第一驾驶数据及所述第二驾驶数据建立每一车辆的驾驶风险势场和驾驶效率势场;
基于所述驾驶风险势场和所述驾驶效率势场对目标车辆上驾驶员的驾驶行为进行评估。
进一步的,所述每一车辆的自身数据包括车辆宽度和车辆长度;
所述第一驾驶数据包括目标车辆的车速和加速度;
所述第二驾驶数据包括目标车辆与周围车辆的距离、周围车辆的车速和加速度及车道宽度。
进一步的,根据每一车辆的自身数据、第一驾驶数据及第二驾驶数据建立每一车辆的驾驶风险势场,包括:
根据每一车辆的长度和宽度,建立每一车辆车身俯视椭圆;
根据每一车辆与周围车辆的车速和加速度,确定每一车辆与前后车辆的纵向安全距离及与左右车辆的横向安全距离,并基于所述纵向安全距离和所述横向安全距离,确定每一车辆驾驶风险势场的底面形状;
利用拉梅曲线对纵向安全距离、横向安全距离及风险势场值进行拟合,建立每一车辆风险势能场的曲面函数,其中,在每一车辆驾驶风险势场的底面形状上的风险势场值为0,在每一车辆车身俯视椭圆上的风险势场值为1。
进一步的,所述根据每一车辆的自身数据、第一驾驶数据及第二驾驶数据建立每一车辆的驾驶效率势场,包括:
将车道宽度设置为每一车辆的驾驶效率势场宽度;
将每一车辆驾驶风险势场后端点至驾驶员可视距离点的距离设置为每一车辆的驾驶效率势场长度,其中,可视距离指在当前环境下,驾驶员能看到同车道前方车辆时两车的间距;
通过引力势场的二次函数形式,基于所述驾驶效率势场宽度和所述驾驶效率势场长度建立每一车辆驾驶效率势场的函数,且当车辆车速小于道路限速时,车辆的效率势场值从后端点到可视距离点逐步进行衰减,当车辆车速等于道路限速时,车辆的效率势场值恒为1。
进一步的,所述基于所述驾驶风险势场和所述驾驶效率势场对目标车辆上驾驶员的驾驶行为进行评估,包括:
根据目标车辆与其前方车辆对应的人工势场确定目标车辆在前车车辆坐标系下的坐标值,其中,所述人工势场包括驾驶风险势场和驾驶效率势场,所述坐标值为目标车辆俯视图上各边界点到前方车辆俯视图距离最短的点坐标;
基于所述坐标值计算目标车辆的风险指数和效率指数,并将所述风险指数和所述效率指数进行时间转换,以确定目标车辆在前方车辆风险势场和效率势场下的作用时间;
基于目标车辆的风险指数和目标车辆在前方车辆风险势场下的作用时间计算目标车辆在前方车辆风险势场下的平均风险指数,基于目标车辆的效率指数和目标车辆在前方车辆效率势场下的作用时间计算目标车辆在前方车辆风险势场下的平均效率指数;
根据当前交通场景确定权重值,并利用所述平均风险指数、所述平均效率指数及所述权重值计算目标车辆驾驶员在前车人工势场下的第一驾驶行为评分。
进一步的,所述基于所述驾驶风险势场和所述驾驶效率势场对目标车辆上驾驶员的驾驶行为进行评估,还包括:
在当前驾驶过程中计算目标车辆驾驶员在周围车辆人工势场下产生的第二驾驶行为评分。
进一步的,所述交通场景包括城市路况和高速路况,并且城市路况的权重值大于高速路况的权重值。
第二方面,本发明还提供一种基于改进人工势场的驾驶员驾驶行为评估装置,包括:
获取模块,用于获取目标车辆的第一驾驶数据及目标车辆周围车辆的第二驾驶数据;
势场建立模块,用于根据每一车辆的自身数据、所述第一驾驶数据及所述第二驾驶数据建立每一车辆的驾驶风险势场和驾驶效率势场;
评估模块,用于基于所述驾驶风险势场和所述驾驶效率势场对目标车辆上驾驶员的驾驶行为进行评估。
第三方面,本发明还提供一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述基于改进人工势场的驾驶员驾驶行为评估方法中的步骤。
第四方面,本发明还提供一种计算机存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述基于改进人工势场的驾驶员驾驶行为评估方法中的步骤。
采用上述实施例的有益效果是:本发明通过车载传感器获取目标车辆和周围车辆的驾驶数据及道路信息,然后通过获取的驾驶数据建立体现当时驾驶场景和车辆博弈状况的风险势场和效率势场,相比于传统人工势场,更能体现当时驾驶场景下车辆的博弈情况,更加具有实际应用价值;并且基于此所提出的驾驶员驾驶行为评估方法能够实时地对驾驶员的驾驶行为在驾驶安全性和驾驶效率上给出综合性的评估,填补了国内在该领域的空白,解决了现有的评估方法重视驾驶安全性却忽略驾驶效率的局限性问题,有效填补当代驾驶行为评估的空缺。
此外,将该评估方法与其它驾驶行为评估方法相结合,比如与如今主流的面向结果性评价的三急行为,或是对车内的驾驶员疲劳检测和分心检测***相结合。使得结果性评价和过程性评价,车内驾驶员检测和车外驾驶环境评估相辅相成,让驾驶员驾驶行为评价体系更加全面和完善。
附图说明
图1为本发明提供的基于改进人工势场的驾驶员驾驶行为评估方法的一实施例的流程示意图;
图2(a)为本发明一实施例提供的一种车身俯视椭圆示意图;
图2(b)为本发明一实施例提供的一种风险势场底面形状示意图;
图2(c)为本发明一实施例提供的一种汽车风险势场的俯视图;
图2(d)为本发明一实施例提供的一种汽车风险势场的示意图;
图3为本发明一实施例提供的一种车联网环境下一段道路内所有汽车的风险势场分布图;
图4为本发明一实施例提供的一种汽车人工势场示意图;
图5为本发明另一实施例提供的一种基于改进人工势场的驾驶员驾驶行为评估方法的流程示意图;
图6为本发明一实施例提供的一种两车博弈的人工势场示意图;
图7为本发明提供的基于改进人工势场的驾驶员驾驶行为评估装置的一实施例的结构示意图;
图8为本发明一实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。此外,“多个”的含义是两个或两个以上,除非另有明确具体的限定。在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明提供了一种基于改进人工势场的驾驶员驾驶行为评估方法、装置、电子设备及存储介质。通过采集的驾驶信息所建立的风险势场和效率势场,相比于传统人工势场,更能体现当时驾驶场景下车辆的博弈情况,更加具有实际应用价值。基于此所提出的驾驶员驾驶行为评估方法,能对驾驶员在驾驶安全和驾驶效率上给出更符合当时驾驶场景的过程性评价,将该方法与其它驾驶行为评估方法相结合,能有效填补当代驾驶行为评估的空缺。
以下分别对具体实施例进行详细说明:
请参阅图1,图1为本发明提供的基于改进人工势场的驾驶员驾驶行为评估方法的一实施例的流程示意图,本发明的一个具体实施例,公开了一种基于改进人工势场的驾驶员驾驶行为评估方法,包括:
步骤S101:获取目标车辆的第一驾驶数据及目标车辆周围车辆的第二驾驶数据;
步骤S102:根据每一车辆的自身数据、所述第一驾驶数据及所述第二驾驶数据建立每一车辆的驾驶风险势场和驾驶效率势场;
步骤S103:基于所述驾驶风险势场和所述驾驶效率势场对目标车辆上驾驶员的驾驶行为进行评估。
首先需要说明的是,三急行为考虑的是驾驶员行车过程中的安全问题,但不涉及驾驶效率。而一个驾驶员驾驶行为的好坏,应该同时考量驾驶员的驾驶安全性和驾驶效率。一个开慢车的驾驶员对交通流效率的负面影响是显著的,而且更差劲的是,它虽然保证了自己的安全,但它会影响跟他发生博弈交互的车辆的策略判断,从而进一步影响别的车辆,产生连锁反应,引发邻近车辆之间的安全问题。
其次,三急行为是一个面向结果性的评价,即该方法是在驾驶员完成该段驾驶后,根据传感器所获取的数据进行评价。而仅仅依靠这些数据很难对当时驾驶过程中的场景进行准确完整地评估。虽然目前有学者通过汽车速度的变化特点,以及GPS记录的经纬度坐标来反推当时的驾驶场景,但毕竟同一路段的交通状况是实时变化的,因此这种反推法的效果十分有限。或是通过对异常数据发生的时间去看监控录像或行车记录仪,但这工作量毫无疑问是得不偿失的。现在面向过程性的驾驶员驾驶行为评价有车内的驾驶员疲劳监测和分心检测,但还没有涉及外部汽车的行驶状态和驾驶场景。
本发明通过车载传感器获取目标车辆和周围车辆的驾驶数据及道路信息,然后通过获取的驾驶数据建立体现当时驾驶场景和车辆博弈状况的风险势场和效率势场,相比于传统人工势场,更能体现当时驾驶场景下车辆的博弈情况,更加具有实际应用价值;并且基于此所提出的驾驶员驾驶行为评估方法能够实时地对驾驶员的驾驶行为在驾驶安全性和驾驶效率上给出综合性的评估,填补了国内在该领域的空白,解决了现有的评估方法重视驾驶安全性却忽略驾驶效率的局限性问题,有效填补当代驾驶行为评估的空缺。
在本发明的一个实施例中,所述每一车辆的自身数据包括车辆宽度和车辆长度;
所述第一驾驶数据包括目标车辆的车速和加速度;
所述第二驾驶数据包括目标车辆与周围车辆的距离、周围车辆的车速和加速度及车道宽度。
可以理解的是,获取每一车辆的驾驶数据可以使用汽车所搭载的传感器获取自身车辆及周围车辆的驾驶数据,并提取道路信息。其中,为了使所建立的人工势场的函数分布体现自身车辆与周围车辆的博弈关系,能够较好地反映当时的驾驶场景,其建立的数据源必须来源于车载传感器所获取的真实且实时的数据。比如,使用GPS获取自身车辆的车速和加速度值,并通过雷达或摄像头检测自身车辆与周围车辆的距离,周围车辆的车速和加速度,以及车道宽度。
并且为了解决庞杂的驾驶数据获取问题,可以利用现代车联网通信互联技术,使得自身车辆能便捷地获取本次驾驶过程中驾驶道路上所有在通讯范围内车辆的人工势场分布,使得驾驶员驾驶行为评分更加精确、综合、全面。
在本发明的一个实施例中,根据每一车辆的自身数据、第一驾驶数据及第二驾驶数据建立每一车辆的驾驶风险势场,包括:
根据每一车辆的长度和宽度,建立每一车辆车身俯视椭圆;
根据每一车辆与周围车辆的车速和加速度,确定每一车辆与前后车辆的纵向安全距离及与左右车辆的横向安全距离,并基于所述纵向安全距离和所述横向安全距离,确定每一车辆驾驶风险势场的底面形状;
利用拉梅曲线对纵向安全距离、横向安全距离及风险势场值进行拟合,建立每一车辆风险势能场的曲面函数,其中,在每一车辆驾驶风险势场的底面形状上的风险势场值为0,在每一车辆车身俯视椭圆上的风险势场值为1。
可以理解的是,可以根据车辆自身长度与宽度数值,将车身俯视图化为一个矩形。但在驾驶风险评估和风险预警中,须有留有一定的安全裕度,因此利用椭圆最大内接矩形的关系式建立车身俯视椭圆,将其作为风险势场的内椭圆部分,该部分包括自身车辆所占有的矩形区域和风险指数为1的四个半月形冗余区域。如图2(a)所示,图2(a)为本发明一实施例提供的一种车身俯视椭圆示意图。一旦周围车辆触及该部分,说明此发生碰撞的风险相当高。
其中,该椭圆长轴A1和短轴B1与车长L和车宽W的关系如下所示:该椭圆方程为:/>
然后根据传感器所获取到的数据,确立风险势场底面形状,请参阅2(b),图2(b)为本发明一实施例提供的一种风险势场底面形状示意图。
由GPS、雷达或摄像头获取到的自身车辆与前方车辆的车速和加速度,根据IDM模型,即智能驾驶员模型中的期望间距计算公式计算自身车辆与前车的最优纵向距离,同时也计算出自身车辆与后车的最优纵向距离,也体现了自身车辆与前后车辆的博弈关系。IDM模型中期望车间距的计算公式如下所示:
该式中,为两车之间期望纵向距离,sL0为车辆静止时两车之间的安全距离,T为驾驶员反应时间,v为自身车辆的车速,vf为前车车速,a为自身车辆的最大加速度,b为自身车辆的舒适减速度。
当两车辆在道路上处于左右相邻的位置行驶时,期望两车都位于各自车道中间位置,此时两车的横向间距认为是最优的。由传感器检测出此时车道的宽度和左右相邻车道距离最近车辆的宽度值,确立两车之间的最优横向距离,计算公式如下:
该式中,为两车之间期望横向距离,w该段道路的车道宽度,W为自身车辆的宽度,Wr/l为相邻右或左车辆的宽度。
进而可求得自身车辆产生的风险势场底面的前后纵轴值A11,A12和左右横轴值B11,B12:
将本发明的风险势场底面设计为由四个1/4椭圆构成的类椭圆形状。以自身车辆前进方向为x轴正半轴,前进方向左侧为y轴正半轴,表达式如下:
但由该式可知,当汽车处于边缘车道或某一个方位的车辆超出传感器感知范围时,会出现底面部分椭圆缺失的情况;若只有前后方位存在博弈车辆或是只有左右方位存在博弈车辆时,风险势场的底面将不是一个闭环形状。
可以理解的是,两车之间发生碰撞等风险事故的概率与车间距不是呈现简单的线性关系,而是随两车间距的缩短,风险指数呈现类似指数函数形式的陡增。本发明为了更好地对风险指数进行量化评价,将其数值化为0-1之间,且能近似表达出指数形式增加的效果,因此采用Lame曲线第一象限的曲线对车辆间距与风险指数进行拟合,Lame曲线函数表达式如下:
式中,α,β为曲线的半直径,n是取值为0到1之间的参数,在该范围内,Lame曲线会呈现类似指数形式增长的形状。且在本发明中,数值n影响着风险指数随车辆间距变化增长趋势,与两车的质量、形状、行车状况、路面附着情况等有关。
然后建立每一车辆风险势能场的曲面函数,如图2(c)、图2(d)所示。图2(c)为本发明一实施例提供的一种汽车风险势场的俯视图,图2(d)为本发明一实施例提供的一种汽车风险势场的示意图。当底面处于类椭圆边界时,风险指数为0,且随着两车间距d的缩短,风险指数以Lame曲线形式上升,当触碰到车身俯视椭圆时,风险指数达到1。根据平行截面已知的立体外曲面方程建立方法,并通过一些参数调整使得曲面连续,构建出风险势场的曲面函数,设此时前纵轴A11值大于其他四个轴的数值,则曲面函数表达式如下:
将上述曲面函数所在的区域定义为D1,并将该曲面函数归一化;规定车身俯视椭圆内的风险势场值为1,将该区域定为D2,即:
进一步的,可以使用现代车联网通信互联技术,使得每一车辆都能便捷地获取驾驶过程中驾驶道路上所有在通讯范围内车辆的势能场分布。请参阅图3,图3为本发明一实施例提供的一种车联网环境下一段道路内所有汽车的风险势场分布图。
在本发明的一个实施例中,所述根据每一车辆的自身数据、第一驾驶数据及第二驾驶数据建立每一车辆的驾驶效率势场,包括:
将车道宽度设置为每一车辆的驾驶效率势场宽度;
将每一车辆驾驶风险势场后端点至驾驶员可视距离点的距离设置为每一车辆的驾驶效率势场长度,其中,可视距离指在当前环境下,驾驶员能看到同车道前方车辆时两车的间距;
通过引力势场的二次函数形式,基于所述驾驶效率势场宽度和所述驾驶效率势场长度建立每一车辆驾驶效率势场的函数,且当车辆车速小于道路限速时,车辆的效率势场值从后端点到可视距离点逐步进行衰减,当车辆车速等于道路限速时,车辆的效率势场值恒为1。
请参阅图4,图4为本发明一实施例提供的一种汽车人工势场示意图。可以理解的是,效率势场讲究的是车辆行车效率问题,而当以某一车辆为参照车辆时,其左右和前方车辆不涉及效率问题,因此规定自身车辆的产生的效率势场只对同车道后方车辆有效,同时自身车辆也只受同车道前方车辆的效率势场的作用。将效率势场的宽度设置为与车道同宽,而其纵向长度值为从风险势场后端点(x=-A12)出一直延伸至后方驾驶员的可视距离点这里的可视距离sv指在当前环境下,驾驶员能开始清楚地看到同车道前方车辆时两车的间距。然后采用经典人工势场中引力势场常用的二次函数形式。即后方车辆处于自身车辆产生的效率势场时,且后方车辆的车速小于道路限速vl,则此时规定效率势场值在风险势场后端点处从1按二次函数衰减到可视距离点处变为0。而由于道路限速的限制,当后方车辆车速等于道路限速时,不论后方车辆所处的位置,此时效率势场值为1。以自身车辆坐标系为基准,其效率势场表达式如下:
在本发明的一个实施例中,请参阅图5,图5为本发明另一实施例提供的一种基于改进人工势场的驾驶员驾驶行为评估方法的流程示意图。
步骤S501:根据目标车辆与其前方车辆对应的人工势场确定目标车辆在前车车辆坐标系下的坐标值,其中,所述人工势场包括驾驶风险势场和驾驶效率势场,所述坐标值为目标车辆俯视图上各边界点到前方车辆俯视图距离最短的点坐标;
步骤S502:基于所述坐标值计算目标车辆的风险指数和效率指数,并将所述风险指数和所述效率指数进行时间转换,以确定目标车辆在前方车辆风险势场和效率势场下的作用时间;
步骤S503:基于目标车辆的风险指数和目标车辆在前方车辆风险势场下的作用时间计算目标车辆在前方车辆风险势场下的平均风险指数,基于目标车辆的效率指数和目标车辆在前方车辆效率势场下的作用时间计算目标车辆在前方车辆风险势场下的平均效率指数;
步骤S504:根据当前交通场景确定权重值,并利用所述平均风险指数、所述平均效率指数及所述权重值计算目标车辆驾驶员在前车人工势场下的第一驾驶行为评分;
步骤S505:在当前驾驶过程中计算目标车辆驾驶员在周围车辆人工势场下产生的第二驾驶行为评分。
可以理解的是,以目标车辆处于前车产生的人工势场为例,建立基于风险势场和效率势场的驾驶员驾驶行为评估方法。首先通过建立前方车辆的风险势场和效率势场确定目标车辆在前方车辆坐标系所处的位置(x,y)。位置点坐标规定为自身汽车俯视图上各边界点到前方车辆俯视图距离最短的点坐标。
然后根据坐标值计算出目标车辆在前车风险势场和效率势场下的风险指数Erisk(x,y)或效率指数Eefficiency(x,y),将其转变成时间为自变量的形式Erisk(t)和Eefficiency(t),获取目标车辆在前方车辆风险势场和效率势场的作用时间Trisk和Tefficiency。
再后,得到目标车辆在前方车辆人工势场的平均风险指数Erisk和平均效率指数Eefficiency,通过加权的方式获得目标车辆驾驶员在前方车辆产生的人工势场得到的第一驾驶行为评分。公式如下:
需要说明的是,这里的权重λ跟当时的交通场景有关,当在城市路况交通行驶复杂重视行车安全性时,λ值较大(>0.5);当在高速路况重视行车效率时,λ值较小(<0.5)。
可以理解的是,通过利用相同的方法计算在此次驾驶过程中目标车辆在周围所有车辆人工势场内产生的第二驾驶行为评分,按人工势场作用时间来分配权重,从而求其加权均值得到该驾驶员在此驾驶过程中的第二驾驶行为评分,最终驾驶员的行为评分是第二驾驶行为评分,第一驾驶行为评分是第二驾驶行为评分的构成部分。公式如下:
为更清晰地理解本发明,举例而言,在某一单行车道上,如图6所示,图6为本发明一实施例提供的一种两车博弈的人工势场示意图。车辆A车头位于前方车辆B坐标系正后方45m处,车辆A以10m/s的车速匀速行驶,车辆B以8m/s的车速匀速行驶,评价此驾驶场景下车辆A在车辆B产生的人工势场,两车博弈20s车辆A所获得的第一驾驶行为评分。如表1所示,表1为此次计算所需的参数取值。
表1计算所需的参数取值
由以上具体数值根据IDM模型计算出两车之间的最优纵向距离为8.4051m,最优跟驰点位于车辆B坐标系(-10.7801,0,0)处。在20s两车博弈过车中,前17.1095s车辆A位于车辆B产生的效率势场,后2.8095s车辆A位于车辆B产生的风险势场。由于车辆B此时只跟A发生驾驶博弈,由上文可知,此时车辆B产生的风险势场仅为按Lame曲线增长的一个曲面。
根据驾驶员驾驶行为评分的计算步骤,计算得到在0s-17.1095s的时间段内,车辆A驾驶员的平均效率指数为0.7778,在17.1095s-20s的时间段内,车辆A驾驶员的平均风险指数为0.3955。假定交通场景为城市路段,λ取0.6,可以得到该驾驶过程驾驶员的驾驶行为评分为67.382分。
上述举例只为了更好地说明本发明的实施过程,但在实际方案实施中,车辆运行场景会更为复杂,需要获取的驾驶数据更为庞大,同一车辆会与多车发生复杂的博弈交互,风险势场和效率势场的形状和尺寸也在实时发生变化。
为了更好实施本发明实施例中的基于改进人工势场的驾驶员驾驶行为评估方法,在基于改进人工势场的驾驶员驾驶行为评估方法基础之上,对应的,请参阅图7,图7为本发明提供的基于改进人工势场的驾驶员驾驶行为评估装置的一实施例的结构示意图,本发明实施例提供了一种基于改进人工势场的驾驶员驾驶行为评估装置700,包括:
获取模块701,用于获取目标车辆的第一驾驶数据及目标车辆周围车辆的第二驾驶数据;
势场建立模块702,用于根据每一车辆的自身数据、所述第一驾驶数据及所述第二驾驶数据建立每一车辆的驾驶风险势场和驾驶效率势场;
评估模块703,用于基于所述驾驶风险势场和所述驾驶效率势场对目标车辆上驾驶员的驾驶行为进行评估。
这里需要说明的是:上述实施例提供的装置700可实现上述各方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述方法实施例中的相应内容,此处不再赘述。
基于上述基于改进人工势场的驾驶员驾驶行为评估方法,本发明实施例还相应地提供一种电子设备,包括:处理器和存储器以及存储在存储器中并可在处理器上执行的计算机程序;处理器执行计算机程序时实现如上述各实施例的基于改进人工势场的驾驶员驾驶行为评估方法中的步骤。
图8中示出了适于用来实现本发明实施例的电子设备800的结构示意图。本发明实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图8示出的电子设备仅仅是一个示例,不应对本发明实施例的功能和适用范围带来任何限制。
电子设备包括:存储器以及处理器,其中,这里的处理器可以称为下文的处理装置801,存储器可以包括下文中的只读存储器(ROM)802、随机访问存储器(RAM)803以及存储装置808中的至少一项,具体如下所示:
如图8所示,电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM803中,还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储装置808;以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储装置808被安装,或者从ROM802被安装。在该计算机程序被处理装置801执行时,执行本发明实施例的方法中限定的上述功能。
基于上述基于改进人工势场的驾驶员驾驶行为评估方法,本发明实施例还相应的提供一种计算机可读存储介质,该计算机可读存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现如上述各实施例的基于改进人工势场的驾驶员驾驶行为评估方法中的步骤。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于改进人工势场的驾驶员驾驶行为评估方法,其特征在于,包括:
获取目标车辆的第一驾驶数据及目标车辆周围车辆的第二驾驶数据;
根据每一车辆的自身数据、所述第一驾驶数据及所述第二驾驶数据建立每一车辆的驾驶风险势场和驾驶效率势场;
基于所述驾驶风险势场和所述驾驶效率势场对目标车辆上驾驶员的驾驶行为进行评估。
2.根据权利要求1所述的基于改进人工势场的驾驶员驾驶行为评估方法,其特征在于,所述每一车辆的自身数据包括车辆宽度和车辆长度;
所述第一驾驶数据包括目标车辆的车速和加速度;
所述第二驾驶数据包括目标车辆与周围车辆的距离、周围车辆的车速和加速度及车道宽度。
3.根据权利要求2所述的基于改进人工势场的驾驶员驾驶行为评估方法,其特征在于,根据每一车辆的自身数据、第一驾驶数据及第二驾驶数据建立每一车辆的驾驶风险势场,包括:
根据每一车辆的长度和宽度,建立每一车辆车身俯视椭圆;
根据每一车辆与周围车辆的车速和加速度,确定每一车辆与前后车辆的纵向安全距离及与左右车辆的横向安全距离,并基于所述纵向安全距离和所述横向安全距离,确定每一车辆驾驶风险势场的底面形状;
利用拉梅曲线对纵向安全距离、横向安全距离及风险势场值进行拟合,建立每一车辆风险势能场的曲面函数,其中,在每一车辆驾驶风险势场的底面形状上的风险势场值为0,在每一车辆车身俯视椭圆上的风险势场值为1。
4.根据权利要求3所述的基于改进人工势场的驾驶员驾驶行为评估方法,其特征在于,所述根据每一车辆的自身数据、第一驾驶数据及第二驾驶数据建立每一车辆的驾驶效率势场,包括:
将车道宽度设置为每一车辆的驾驶效率势场宽度;
将每一车辆驾驶风险势场后端点至驾驶员可视距离点的距离设置为每一车辆的驾驶效率势场长度,其中,可视距离指在当前环境下,驾驶员能看到同车道前方车辆时两车的间距;
通过引力势场的二次函数形式,基于所述驾驶效率势场宽度和所述驾驶效率势场长度建立每一车辆驾驶效率势场的函数,且当车辆车速小于道路限速时,车辆的效率势场值从后端点到可视距离点逐步进行衰减,当车辆车速等于道路限速时,车辆的效率势场值恒为1。
5.根据权利要求1所述的基于改进人工势场的驾驶员驾驶行为评估方法,其特征在于,所述基于所述驾驶风险势场和所述驾驶效率势场对目标车辆上驾驶员的驾驶行为进行评估,包括:
根据目标车辆与其前方车辆对应的人工势场确定目标车辆在前车车辆坐标系下的坐标值,其中,所述人工势场包括驾驶风险势场和驾驶效率势场,所述坐标值为目标车辆俯视图上各边界点到前方车辆俯视图距离最短的点坐标;
基于所述坐标值计算目标车辆的风险指数和效率指数,并将所述风险指数和所述效率指数进行时间转换,以确定目标车辆在前方车辆风险势场和效率势场下的作用时间;
基于目标车辆的风险指数和目标车辆在前方车辆风险势场下的作用时间计算目标车辆在前方车辆风险势场下的平均风险指数,基于目标车辆的效率指数和目标车辆在前方车辆效率势场下的作用时间计算目标车辆在前方车辆风险势场下的平均效率指数;
根据当前交通场景确定权重值,并利用所述平均风险指数、所述平均效率指数及所述权重值计算目标车辆驾驶员在前车人工势场下的第一驾驶行为评分。
6.根据权利要求5所述的基于改进人工势场的驾驶员驾驶行为评估方法,其特征在于,所述基于所述驾驶风险势场和所述驾驶效率势场对目标车辆上驾驶员的驾驶行为进行评估,还包括:
在当前驾驶过程中计算目标车辆驾驶员在周围车辆人工势场下产生的第二驾驶行为评分。
7.根据权利要求5所述的基于改进人工势场的驾驶员驾驶行为评估方法,其特征在于,所述交通场景包括城市路况和高速路况,并且城市路况的权重值大于高速路况的权重值。
8.一种基于改进人工势场的驾驶员驾驶行为评估装置,其特征在于,包括:
获取模块,用于获取目标车辆的第一驾驶数据及目标车辆周围车辆的第二驾驶数据;
势场建立模块,用于根据每一车辆的自身数据、所述第一驾驶数据及所述第二驾驶数据建立每一车辆的驾驶风险势场和驾驶效率势场;
评估模块,用于基于所述驾驶风险势场和所述驾驶效率势场对目标车辆上驾驶员的驾驶行为进行评估。
9.一种电子设备,其特征在于,包括存储器和处理器,其中,所述存储器,用于存储程序;所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以实现上述权利要求1至7中任一项所述基于改进人工势场的驾驶员驾驶行为评估方法中的步骤。
10.一种计算机可读存储介质,其特征在于,用于存储计算机可读取的程序或指令,所述程序或指令被处理器执行时,能够实现上述权利要求1至7中任一项所述基于改进人工势场的驾驶员驾驶行为评估方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310970943.6A CN116844135A (zh) | 2023-08-01 | 2023-08-01 | 驾驶员驾驶行为评估方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310970943.6A CN116844135A (zh) | 2023-08-01 | 2023-08-01 | 驾驶员驾驶行为评估方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116844135A true CN116844135A (zh) | 2023-10-03 |
Family
ID=88161867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310970943.6A Pending CN116844135A (zh) | 2023-08-01 | 2023-08-01 | 驾驶员驾驶行为评估方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116844135A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117125083A (zh) * | 2023-10-27 | 2023-11-28 | 青岛理工大学 | 考虑驾驶风格倾性的车辆跟驰行为风险量化方法 |
-
2023
- 2023-08-01 CN CN202310970943.6A patent/CN116844135A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117125083A (zh) * | 2023-10-27 | 2023-11-28 | 青岛理工大学 | 考虑驾驶风格倾性的车辆跟驰行为风险量化方法 |
CN117125083B (zh) * | 2023-10-27 | 2024-01-05 | 青岛理工大学 | 考虑驾驶风格倾性的车辆跟驰行为风险量化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7399075B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN108269424B (zh) | 用于车辆拥堵估计的***和方法 | |
EP4163173A1 (en) | Trajectory prediction method and apparatus | |
US11465650B2 (en) | Model-free reinforcement learning | |
CN112133089B (zh) | 一种基于周围环境与行为意图的车辆轨迹预测方法、***及装置 | |
CN112512887B (zh) | 一种行驶决策选择方法以及装置 | |
US20200070844A1 (en) | Learning device, learning method, and storage medium | |
CN114830138A (zh) | 训练轨迹评分神经网络以准确分配分数 | |
EP4316935A1 (en) | Method and apparatus for obtaining lane change area | |
JP2012113631A (ja) | 運転支援システム及び運転支援管理センター | |
US11829149B1 (en) | Determining respective impacts of agents | |
CN116844135A (zh) | 驾驶员驾驶行为评估方法、装置、电子设备及存储介质 | |
JP2021155032A (ja) | 運転者の技能水準及び信頼水準の自動推定 | |
JP2008018872A (ja) | 運転支援装置、自動車及び運転支援方法 | |
CN113064153B (zh) | 一种确定目标对象跟踪门限的方法、装置 | |
CN108806018A (zh) | 一种数据处理方法、数据处理设备和智能汽车 | |
CN116434517A (zh) | 基于车辆编队的匝道合流协同控制方法、装置及电子设备 | |
CN114162145A (zh) | 车辆自动驾驶方法、装置及电子设备 | |
CN112172829B (zh) | 车道偏离预警方法、装置、电子设备和存储介质 | |
JP7198742B2 (ja) | 自動運転車両、画像表示方法およびプログラム | |
CN111038503B (zh) | 车辆自适应巡航控制方法、装置、车辆及存储介质 | |
WO2023004698A1 (zh) | 智能驾驶决策方法、车辆行驶控制方法、装置及车辆 | |
CN113548049B (zh) | 一种基于有限状态机的智能车辆驾驶行为决策方法及*** | |
CN113276860B (zh) | 车辆控制方法、装置、电子设备以及存储介质 | |
CN111583633B (zh) | 车辆碰撞的预警方法及装置 |
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 |