CN117698770A - 基于多场景融合的自动驾驶决策安全碰撞风险评估方法 - Google Patents
基于多场景融合的自动驾驶决策安全碰撞风险评估方法 Download PDFInfo
- Publication number
- CN117698770A CN117698770A CN202410166706.9A CN202410166706A CN117698770A CN 117698770 A CN117698770 A CN 117698770A CN 202410166706 A CN202410166706 A CN 202410166706A CN 117698770 A CN117698770 A CN 117698770A
- Authority
- CN
- China
- Prior art keywords
- collision
- vehicle
- risk
- time
- scene
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000004927 fusion Effects 0.000 title claims abstract description 19
- 238000012502 risk assessment Methods 0.000 title claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 37
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000028838 turning behavior Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 206010039203 Road traffic accident Diseases 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于自动驾驶技术领域,提出了一种基于多场景融合的自动驾驶决策安全碰撞风险评估方法。该方法将交通场景分为十字路口、人行横道、多车道三种基本场景,其他场景可以在此基础上组合拓展;依据基本场景确定障碍物类型及对应碰撞评价指标;通过障碍物信息、自身车辆信息和环境状态信息量化和评估可能发生的碰撞风险、碰撞区域和碰撞时间,由此基于场景给出安全的行驶决策以避免产生交通事故。
Description
技术领域
本发明属于自动驾驶技术领域,特别涉及一种基于多场景融合的自动驾驶决策安全碰撞风险评估方法。
背景技术
全球新一轮科技革命和产业变革正在蓬勃发展,作为产业变革创新的重要载体,自动驾驶技术正处于技术快速演进、产业加速布局的商业化前期阶段,推动着汽车产业形态、交通出行模式、能源消费结构和社会运行方式的深刻变化。自动驾驶汽车的驾驶行为高度依赖于决策***的稳定性、智能性和安全性。作为自动驾驶车辆的“大脑”,决策***决定了行驶安全性与合理性,其处理复杂场景的能力,也是衡量和评价自动驾驶能力安全性和综合能力的核心指标。因此,提高决策***的安全性水平一直以来都是自动驾驶领域的研究重点和难点。
在决策***安全评估上,应用在工业界的有RSS责任敏感模型、宝马、奥迪、大陆集团的评估体系及英伟达的安全立场评估方法,它们分别从横纵向安全距离、碰撞预估时间、校验轨迹安全、使用控制结构、立场模型安全检测的方面评估决策安全。在学术界,研究学者们分别从自动驾驶车辆行驶能力、势能场等物理模型、不确定性、碰撞风险、数字孪生评估等方面研究决策安全评估问题。
目前针对决策***的决策质量、规划能力、环境预测等评价在国内外没有统一的标准。并且,在针对危险或特殊场景下,决策安全评估方法相对较少,没有专门针对该场景下的多维度多角度的决策安全评估手段,因此其安全性评估有待提高。
发明内容
针对现有技术中的不足,本发明提出了一种基于多场景融合的自动驾驶决策安全碰撞风险评估方法,该方法将交通场景分为十字路口、人行横道、多车道三种基本场景,其他场景可以在此基础上组合拓展;依据基本场景确定障碍物类型及对应碰撞评价指标;通过障碍物信息、自身车辆信息和环境状态信息拟合可能发生的碰撞风险、碰撞区域和碰撞时间,由此基于场景给出安全的行驶决策以避免产生交通事故。
本发明的技术方案具体如下:
一种基于多场景融合的自动驾驶决策安全碰撞风险评估方法,包括以下步骤:
步骤1、基于现实环境定义十字路口、人行横道和多车道三种基本场景,针对每种基本场景设定相应的障碍物类型和碰撞评价指标,由三种基本场景组合构成驾驶场景;
步骤2、获取交通车辆运动信息和交通环境状态,预测交通车辆的驾驶意图和对应的车道中心线距离;
步骤3、获取自身车辆的当前行驶数据,预测自身车辆的未来行驶轨迹;
步骤4、针对未来行驶轨迹中的各种驾驶场景选择对应的碰撞评价指标和阈值,计算自身车辆在各种交通场景下的碰撞可能性和到达碰撞区域时间;
步骤5、设定三种风险级别及其计算方法,基于选择的碰撞评价指标求取各交通场景下的风险级别。
优选的,对于十字路口,障碍物类型为其他行驶车辆,碰撞评价指标为到达潜在碰撞区域的时间TTP、停止时间TTS或到达指定区域的时间TTR;对于人行横道,障碍物类型为行人或低速障碍物,碰撞评价指标为碰撞时间最小安全裕度TTC-M或停止时间TTS;对于多车道,障碍物类型为其他行驶车辆或静态障碍物,碰撞评价指标为到达潜在碰撞区域的时间TTP、逃生时间TTE或车头时距THW。
优选的,所述步骤2中的交通车辆运动信息包括速度、加速度、横摆角速度和航向。
优选的,所述步骤2中的驾驶意图表示为:
其中,是第/>种驾驶意图对应的概率,共有/>种驾驶意图,/>分别表示交通车辆的速度、加速度、横摆角速度和航向,/>表示概率函数;
第种驾驶意图对应的车道中心线距离/>符合高斯分布,表示为:
。
其中,分别为车道中心线距离/>高斯分布的均值和方差;
根据混合高斯模型,计算出障碍物的总体车道中心线距离满足下式:
。
优选的,所述驾驶意图包括:左换道行为、右换道行为、车道保持行为、十字路口转弯行为和 U-turn 行为。
优选的,所述步骤3中自身车辆的当前行驶数据包括速度、加速度、横摆角速度和航向,所述预测利用物理运动学定律。
优选的,所述步骤4中:
选择碰撞时间最小安全裕度TTC-M评估自身车辆在单车道或多车道道路上行驶时与道路车辆之间发生碰撞的可能性;选择到达潜在碰撞区域的时间TTP并定义为自身车辆从当前位置以当前速度到达其关联潜在碰撞区域所需的时间;
碰撞时间最小安全裕度TTC-M的计算式为:
到达潜在碰撞区域的时间TTP的计算式为:
其中,为自身车辆与道路车辆在/>时刻沿道路曲率的纵向距离,/>、/>分别为/>时刻自身车辆速度和道路车辆速度,/>为自身车辆与潜在碰撞区域在/>时刻沿道路曲率的纵向距离,MSM是最小安全余量。
优选的,所述步骤5中的三种风险级别分别标记为D、A和S,计算式分别如下:
其中,表示风险级别为D所对应的概率似然函数,/>为碰撞评价指标计算得到的风险度量值,/>为碰撞评价指标在风险级别D下设定的风险阈值,/>为/>时刻风险度量不确定性的量化值,/>表示风险级别为A所对应的概率似然函数,/>为碰撞评价指标在风险级别A下设定的风险阈值,/>表示风险级别为S所对应的概率似然函数。
相比于现有技术,本发明的有益效果在于:
本发明提出的一种基于多场景融合的自动驾驶决策安全碰撞风险评估方法,基于多场景融合的情景描述,可以囊括自动驾驶当前面临的主要行车环境,依此融合场景设计的决策安全碰撞风险评估方法不仅可以准确对可能存在的碰撞风险进行预测,给出可行的安全决策;还可以对未来可能的行车场景进行拓展补充,从而表现出很好的理论和应用价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,通过参考附图可以更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,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,可以根据这些附图获得其他的附图。
图1是本发明提出的一种基于多场景融合的自动驾驶决策安全碰撞风险评估方法的流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本发明提出的一种基于多场景融合的自动驾驶决策安全碰撞风险评估方法,具体如图1所示。
(1)通过车辆的感知***感知场景相关的道路结构、交通灯、行人、车辆、交通标识等信息,识别出不同的道路类型。在此基础上,将驾驶场景划分为十字路口、人行横道、多车道三种基本场景。其他场景可以通过三种基本场景适当组合得到,以适应多类危险驾驶场景。
确定三种基本场景中可能发生碰撞的障碍物类型,选择相应的碰撞评价指标。
在十字路口场景中,障碍物类型为其他行驶车辆,碰撞评价指标为到达潜在碰撞区域的时间(TTP,Time-to-potential collision area)、停止时间(TTS,Time to stop)或到达指定区域的时间(TTR,Time-to-region)。
在人行横道场景中,障碍物类型为行人或低速障碍物,碰撞评价指标为碰撞时间最小安全裕度(TTC-M,Time-to-collision minimum safety margin)或停止时间(TTS,Time to stop)。
在多车道场景中,障碍物类型为其他车辆或者静态障碍物,碰撞评价指标为到达潜在碰撞区域的时间(TTP,Time-to-potential collision area)、逃生时间(TTE,Time-to-escape)或车头时距(THW,Time headway)。
(2)根据交通车辆运动信息和交通环境状态预测交通车辆的驾驶意图和对应的车道中心线距离。
交通车辆运动信息包含速度、加速度、横摆角速度以及航向等信息。
驾驶意图表述为:。
其中,是第/>种驾驶意图对应的概率,共有/>种驾驶意图,/>分别表示交通车辆的速度、加速度、横摆角速度和航向,/>表示概率函数;
第种驾驶意图对应的车道中心线距离/>符合高斯分布,表示为:
。
其中,分别为车道中心线距离/>高斯分布的均值和方差;
根据混合高斯模型,计算出障碍物的总体车道中心线距离满足下式:
。
(3)根据自身车辆的行车数据获得车辆的当前行驶数据,基于多项式拟合预测自身车辆的未来行驶轨迹。
自身车辆的当前行驶数据包括车辆的速度、加速度、横摆角速度等,可利用物理运动学定律预测车辆的未来行驶轨迹。
车辆运动学模型状态变量为,当前行驶数据为,其中,/>表示自身车辆的运动时间,/>,/>,/>,/>,/>,/>均为车辆行驶轨迹拟合参数。
自身车辆的未来行驶轨迹可表示为:。
(4)根据不同的交通场景选择对应的碰撞评价指标,并设定对应的阈值。
TTC-M用于评估自身车辆在单车道或多车道道路上行驶时与道路车辆之间发生碰撞的可能性。
TTP定义为自身车辆从当前位置以当前速度到达其关联潜在碰撞区域所需的时间。
通过测量自身车辆的“潜在风险”来确保自身车辆在进入人行横道或十字路口时避免碰撞,计算公式分别如下:
其中,为自身车辆与道路车辆在/>时刻沿道路曲率的纵向距离,/>、/>分别为/>时刻自身车辆速度和道路车辆速度,/>为自身车辆与潜在碰撞区域在/>时刻沿道路曲率的纵向距离,MSM是最小安全余量。
(5)根据可能发生的碰撞风险对应的碰撞评价指标,以及所计算出的碰撞评价指标计算值,得到风险评估值。
对两种碰撞评价指标(TTC-M和TTP)均定义三个风险级别,Z = {Dangerous,Attentive, Safe} = {D, A, S},代表碰撞可能性的总体风险水平。
三个风险级别对应的度量公式计算如下:
其中,表示风险级别为D所对应的概率似然函数,/>为碰撞评价指标计算得到的风险度量值,/>为碰撞评价指标在风险级别D下设定的风险阈值,是根据无人驾驶汽车的环境感知能力和国际安全标准(ISO,2015,2018)确定的,可用于参数化风险评估,为/>时刻风险度量不确定性的量化值,通过不同车辆指标的协方差值来计算,表示风险级别为A所对应的概率似然函数,/>为碰撞评价指标在风险级别A下设定的风险阈值,/>表示风险级别为S所对应的概率似然函数。
通过上式最终得到多种交通场景下车辆自动驾驶安全碰撞风险的评估值。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、 “上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本发明中,术语“第一”、“第二”、“第三”、“第四”仅用于描述目的,不能理解为指示或暗示相对重要性。术语“多个”指两个或两个以上,除非另有明确的限定。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于多场景融合的自动驾驶决策安全碰撞风险评估方法,其特征在于,包括以下步骤:
步骤1、基于现实环境定义十字路口、人行横道和多车道三种基本场景,针对每种基本场景设定相应的障碍物类型和碰撞评价指标,由三种基本场景组合构成驾驶场景;
步骤2、获取交通车辆运动信息和交通环境状态,预测交通车辆的驾驶意图和对应的车道中心线距离;
步骤3、获取自身车辆的当前行驶数据,预测自身车辆的未来行驶轨迹;
步骤4、针对未来行驶轨迹中的各种驾驶场景选择对应的碰撞评价指标和阈值,计算自身车辆在各种交通场景下的碰撞可能性和到达碰撞区域时间;
步骤5、设定三种风险级别及其计算方法,基于选择的碰撞评价指标求取各交通场景下的风险级别。
2.根据权利要求1所述的基于多场景融合的自动驾驶决策安全碰撞风险评估方法,其特征在于,对于十字路口,障碍物类型为其他行驶车辆,碰撞评价指标为到达潜在碰撞区域的时间TTP、停止时间TTS或到达指定区域的时间TTR;对于人行横道,障碍物类型为行人或低速障碍物,碰撞评价指标为碰撞时间最小安全裕度TTC-M或停止时间TTS;对于多车道,障碍物类型为其他行驶车辆或静态障碍物,碰撞评价指标为到达潜在碰撞区域的时间TTP、逃生时间TTE或车头时距THW。
3.根据权利要求1所述的基于多场景融合的自动驾驶决策安全碰撞风险评估方法,其特征在于,所述步骤2中的交通车辆运动信息包括速度、加速度、横摆角速度和航向。
4.根据权利要求1所述的基于多场景融合的自动驾驶决策安全碰撞风险评估方法,其特征在于,所述步骤2中的驾驶意图表示为:
其中,是第/>种驾驶意图对应的概率,共有/>种驾驶意图,/>分别表示交通车辆的速度、加速度、横摆角速度和航向,/>表示概率函数;
第种驾驶意图对应的车道中心线距离/>符合高斯分布,表示为:
其中,分别为车道中心线距离/>高斯分布的均值和方差;
根据混合高斯模型,计算出障碍物的总体车道中心线距离满足下式:
。
5. 根据权利要求4所述的基于多场景融合的自动驾驶决策安全碰撞风险评估方法,其特征在于,所述驾驶意图包括:左换道行为、右换道行为、车道保持行为、十字路口转弯行为和 U-turn 行为。
6.根据权利要求1所述的基于多场景融合的自动驾驶决策安全碰撞风险评估方法,其特征在于,所述步骤3中自身车辆的当前行驶数据包括速度、加速度、横摆角速度和航向,所述预测利用物理运动学定律。
7.根据权利要求1所述的基于多场景融合的自动驾驶决策安全碰撞风险评估方法,其特征在于,所述步骤4中:
选择碰撞时间最小安全裕度TTC-M评估自身车辆在单车道或多车道道路上行驶时与道路车辆之间发生碰撞的可能性;选择到达潜在碰撞区域的时间TTP并定义为自身车辆从当前位置以当前速度到达其关联潜在碰撞区域所需的时间;
碰撞时间最小安全裕度TTC-M的计算式为:
到达潜在碰撞区域的时间TTP的计算式为:
其中,为自身车辆与道路车辆在/>时刻沿道路曲率的纵向距离,/>、/>分别为/>时刻自身车辆速度和道路车辆速度,/>为自身车辆与潜在碰撞区域在/>时刻沿道路曲率的纵向距离,MSM是最小安全余量。
8.根据权利要求1所述的基于多场景融合的自动驾驶决策安全碰撞风险评估方法,其特征在于,所述步骤5中的三种风险级别分别标记为D、A和S,计算式分别如下:
其中,表示风险级别为D所对应的概率似然函数,/>为碰撞评价指标计算得到的风险度量值,/>为碰撞评价指标在风险级别D下设定的风险阈值,/>为/>时刻风险度量不确定性的量化值,/>表示风险级别为A所对应的概率似然函数,/>为碰撞评价指标在风险级别A下设定的风险阈值,/>表示风险级别为S所对应的概率似然函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410166706.9A CN117698770B (zh) | 2024-02-06 | 2024-02-06 | 基于多场景融合的自动驾驶决策安全碰撞风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410166706.9A CN117698770B (zh) | 2024-02-06 | 2024-02-06 | 基于多场景融合的自动驾驶决策安全碰撞风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117698770A true CN117698770A (zh) | 2024-03-15 |
CN117698770B CN117698770B (zh) | 2024-04-12 |
Family
ID=90162921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410166706.9A Active CN117698770B (zh) | 2024-02-06 | 2024-02-06 | 基于多场景融合的自动驾驶决策安全碰撞风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117698770B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118246249A (zh) * | 2024-05-27 | 2024-06-25 | 北京理工大学前沿技术研究院 | 一种非结构化环境中碰撞风险评估模型构建方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050131589A1 (en) * | 2003-12-16 | 2005-06-16 | Nissan Motor Co., Ltd. | Intention estimation method and system with confidence indication |
CN109572694A (zh) * | 2018-11-07 | 2019-04-05 | 同济大学 | 一种考虑不确定性的自动驾驶风险评估方法 |
CN110803171A (zh) * | 2019-08-20 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 一种驾驶风险提示方法及装置 |
CN112015843A (zh) * | 2020-09-02 | 2020-12-01 | 中国科学技术大学 | 基于多车意图交互结果的行车风险态势评估方法及*** |
CN114896754A (zh) * | 2022-03-22 | 2022-08-12 | 吉林大学 | 面向逻辑场景全参数空间的自动驾驶***性能评估方法 |
CN115662113A (zh) * | 2022-09-30 | 2023-01-31 | 合肥工业大学 | 一种信号交叉口人车博弈冲突风险评估与预警方法 |
CN115782905A (zh) * | 2023-01-31 | 2023-03-14 | 北京航空航天大学 | 一种自动驾驶车辆驾驶安全度量化*** |
CN116353584A (zh) * | 2023-03-31 | 2023-06-30 | 重庆长安汽车股份有限公司 | 一种车辆碰撞风险预测***及车辆 |
CN116654017A (zh) * | 2023-06-30 | 2023-08-29 | 江苏大学 | 一种紧急工况下基于周车轨迹预测的智能汽车避撞决策与路径规划的方法、*** |
-
2024
- 2024-02-06 CN CN202410166706.9A patent/CN117698770B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050131589A1 (en) * | 2003-12-16 | 2005-06-16 | Nissan Motor Co., Ltd. | Intention estimation method and system with confidence indication |
CN109572694A (zh) * | 2018-11-07 | 2019-04-05 | 同济大学 | 一种考虑不确定性的自动驾驶风险评估方法 |
CN110803171A (zh) * | 2019-08-20 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 一种驾驶风险提示方法及装置 |
CN112015843A (zh) * | 2020-09-02 | 2020-12-01 | 中国科学技术大学 | 基于多车意图交互结果的行车风险态势评估方法及*** |
CN114896754A (zh) * | 2022-03-22 | 2022-08-12 | 吉林大学 | 面向逻辑场景全参数空间的自动驾驶***性能评估方法 |
CN115662113A (zh) * | 2022-09-30 | 2023-01-31 | 合肥工业大学 | 一种信号交叉口人车博弈冲突风险评估与预警方法 |
CN115782905A (zh) * | 2023-01-31 | 2023-03-14 | 北京航空航天大学 | 一种自动驾驶车辆驾驶安全度量化*** |
CN116353584A (zh) * | 2023-03-31 | 2023-06-30 | 重庆长安汽车股份有限公司 | 一种车辆碰撞风险预测***及车辆 |
CN116654017A (zh) * | 2023-06-30 | 2023-08-29 | 江苏大学 | 一种紧急工况下基于周车轨迹预测的智能汽车避撞决策与路径规划的方法、*** |
Non-Patent Citations (1)
Title |
---|
曹耀光: "无人驾驶汽车的安全问题及对策", 《科技中国》, no. 6, 30 June 2019 (2019-06-30), pages 13 - 15 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118246249A (zh) * | 2024-05-27 | 2024-06-25 | 北京理工大学前沿技术研究院 | 一种非结构化环境中碰撞风险评估模型构建方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117698770B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110488802B (zh) | 一种网联环境下的自动驾驶车辆动态行为决策方法 | |
EP3842303B1 (en) | Systems and methods for navigating with safe distances | |
US20210078562A1 (en) | Planning for unknown objects by an autonomous vehicle | |
US11400925B2 (en) | Planning for unknown objects by an autonomous vehicle | |
EP3828049B1 (en) | Machine readable storage medium and computing device | |
US11416943B2 (en) | Navigation with liability tracking | |
US10234864B2 (en) | Planning for unknown objects by an autonomous vehicle | |
US20170323568A1 (en) | Risk prediction device and driving support system | |
KR20200047740A (ko) | 자율 차량들을 위한 보행자 행동 예측들 | |
CN113460042B (zh) | 车辆驾驶行为的识别方法以及识别装置 | |
CN114364591A (zh) | 用于交通工具导航***和方法 | |
CN117698770B (zh) | 基于多场景融合的自动驾驶决策安全碰撞风险评估方法 | |
US20230286536A1 (en) | Systems and methods for evaluating domain-specific navigation system capabilities | |
Ammoun et al. | An analysis of the lane changing manoeuvre on roads: the contribution of inter-vehicle cooperation via communication | |
CN108871357B (zh) | 一种在电子地图上显示拥堵路段的事故车道的方法 | |
JP2024518931A (ja) | 車両の運転行動を検出すること | |
CN111295628A (zh) | 用于自主车辆决策的语义对象聚类 | |
Aryal | Optimization of geometric road design for autonomous vehicle | |
WO2023194801A1 (en) | Steering limiters for vehicle navigation | |
Weisswange et al. | Intelligent traffic flow assist: Optimized highway driving using conditional behavior prediction | |
US11429843B2 (en) | Vehicle operation labeling | |
WO2018165199A1 (en) | Planning for unknown objects by an autonomous vehicle | |
CN114572250A (zh) | 一种自动驾驶通过交叉路口的方法及存储介质 | |
Zhang et al. | Left-turn risk assessment of autonomous vehicles at unsignalized intersections | |
US20230055238A1 (en) | System and method of vehicle risk analysis |
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 |