基于多源数据挖掘的汽车智能驾驶系统有效性评价方法技术方案

本发明专利技术公开一种基于多源数据挖掘的汽车智能驾驶系统有效性评价方法，包括步骤：1)通过多源数据挖掘得到待评价车辆模型、随机交通场景模型、乘员损伤模型；2)基于随机交通场景和车辆模型，仿真出事故的特定场景；3)利用事故再现软件仿真该场景，输出碰撞后车辆状态；4)结合乘员损伤模型，计算事故发生后的乘员损伤风险和单位里程风险；5)将待评价车辆模型替换成常规模型，重复1)‑4)步得到无待评价系统车辆的单位里程乘员损伤风险；然后对比有、无待评价系统的损伤结果，得知该系统的有效性。该评价平台依靠多源数据和已知软件，可实现多种智能驾驶系统的评价，同时该评价平台运行成本低、速度快，具有较好的普遍适用性。

Evaluation method of vehicle intelligent driving system effectiveness based on multi-source data mining

The invention discloses an automobile intelligent mining based on multi-source data driving effectiveness evaluation method comprises the following steps: 1) to obtain the evaluation of vehicle model, stochastic traffic scene model, occupant injury model by multi-source data mining; 2) random traffic scene and vehicle simulation model based on a specific scene of the accident; 3) reconstruction software simulation of the scene by accident, the vehicle state output after collision; 4) combined with the occupant injury model, calculated after the accident the occupant injury risk and unit mileage risk; 5) will be replaced with the conventional evaluation model of vehicle model, repeat 1) 4) further injury risk evaluation system for non unit mileage passenger vehicle then compare the results; and without damage to the evaluation system, that the effectiveness of the system. Based on multi-source data and known software, the evaluation platform can realize the evaluation of a variety of intelligent driving systems. At the same time, the evaluation platform has low operating cost, fast speed and good universal applicability.

【技术实现步骤摘要】
基于多源数据挖掘的汽车智能驾驶系统有效性评价方法
本专利技术涉及车辆智能驾驶技术，具体涉及一种对汽车智能驾驶系统在减少乘员损伤风险方面有效性的评价方法。
技术介绍
对于汽车智能驾驶系统在减少乘员损伤风险方面的有效性的评价，现有评价方法从设备条件上讲，可分为两类：一类是实验方法，一类是仿真方法。实验方法又可分为两类：实车实验和标准测试，前者：对不同智能驾驶系统具有普遍适用性，但花费大，耗时长，具有危险性；后者：标准统一，评价客观，操作简单，可重复性好，但工况单一，无法进行多工况下的统计分析。仿真方法也可分为两类：危险场景仿真和蒙特卡洛仿真，前者：无危险性，操作简单，可重复性好，仿真多种工况，可拓展性好，可进行统计分析，但样本数量少，且反应真实情况的能力较差；后者：具有普遍适用性，但运算量较大。但就方法成立的前提条件来讲，标准测试和危险场景评价是相同的，均要求待评价的系统的应用不影响正常的驾驶行为，这保证了从现有数据提炼的场景对该系统的适用性。而实车道路实验和蒙特卡洛仿真则是采用遍历法，对待评价系统没有特殊要求。现有评价方法从数据来源上讲，主要可分两类：事故数据、FOT数据，事故数据：能本文档来自技高网...

【技术保护点】
一种基于多源数据挖掘的汽车智能驾驶系统有效性评价方法，其特征在于：包括如下步骤：1)通过多源数据挖掘得到装有待评价智能驾驶系统的待评价车辆模型、随机交通场景模型、乘员损伤模型；2)基于随机交通场景和待评价车辆模型，利用动力学仿真软件仿真筛选出发生事故的特定场景；3)利用事故再现软件仿真该场景，输出碰撞后车辆状态；4)结合乘员损伤模型，计算事故发生后的乘员损伤风险，计算单位行驶里程的乘员损伤风险；5)将待评价车辆模型替换成常规控制的车辆模型，重复1)‑4)步，得到无待评价系统车辆的单位里程乘员损伤风险，然后对比有、无待评价系统在事故场景中的损伤风险，通过对比结果，得知该系统对提高汽车安全性是否有...

【技术特征摘要】
1.一种基于多源数据挖掘的汽车智能驾驶系统有效性评价方法，其特征在于：包括如下步骤：1)通过多源数据挖掘得到装有待评价智能驾驶系统的待评价车辆模型、随机交通场景模型、乘员损伤模型；2)基于随机交通场景和待评价车辆模型，利用动力学仿真软件仿真筛选出发生事故的特定场景；3)利用事故再现软件仿真该场景，输出碰撞后车辆状态；4)结合乘员损伤模型，计算事故发生后的乘员损伤风险，计算单位行驶里程的乘员损伤风险；5)将待评价车辆模型替换成常规控制的车辆模型，重复1)-4)步，得到无待评价系统车辆的单位里程乘员损伤风险，然后对比有、无待评价系统在事故场景中的损伤风险，通过对比结果，得知该系统对提高汽车安全性是否有效。2.根据权利要求1所述的方法，其特征在于：建立待评价车辆模型的过程是：a.利用待评价系统的实车运行数据实现车辆的回正刚度、轮胎纵向刚度、时间延迟系数的辨识：首先利用转向助力电机的转速和转矩信号，估计出转向系统固有频率f0-y，基于转向系统的频率特性计算出回正刚度，式中Gs为转向系统传动比、Jd为转向系统转动惯量、kα为回正刚度；然后利用轮胎纵向与侧向动力学相关的特性kα＝aks+b，得到轮胎纵向刚度，式中ks为轮胎纵向刚度，a和b为已知系数；对轮速信号进行傅里叶变换，找到轮胎滚动的固有频率f0-x，继而基于轮胎滚动的固有频率和时间延迟系数的关系得到了时间延迟系数，R为车轮半径，v为自车车速，τx为时间延迟系数，I是车轮转动惯量；b.将待辨识控制逻辑视作一黑箱，利用待评价系统的实车运行数据和估计的时间延尺系数、轮胎纵向刚度，训练多层神经网络，并以此神经网络作为仿真中待评价系统的控制逻辑。3.根据权利要求1或2所述的方法，其特征在于：建立随机交通场景模型的过程是：随机交通场景指自车和前车、后车的运动状态，在建立模型时，车辆数目由设计者自行决定；a.设前车为自由驾驶，表征前车的状态参数包括加速度a1(t)、车速v1(t)、行驶距离X1(t)；则在k+1时刻三个参数的关系如下：v1(k+1)＝v1(k)+Ts·a1(k)(1)上式中k为采样时刻，Ts为仿真步长，时间量；a1(k+1)的取值分布符合正态分布，是均值为a1(k)，方差为v1(k)的函数；b.后车状态参数由密西根大学提出的带有错误操作机制的跟车模型决定；c.自车就是所述待评价车辆模型。4.根据权利要求1或2或3所述的方法，其特征在于：建立乘员损伤模型的过程是：a.以综合变形深度为事故严重性指标，建立乘员损伤达到MAIS2+的风险概率模型：其中综合变形深度C，如下式所示：Ci表示车身在采样位置的变形深度，m和n对应于车身开始发生变形和变形终了附近处...

【专利技术属性】
技术研发人员：李克强，陈龙，罗禹贡，赵树连，张书玮，秦兆博，解来卿，罗剑，张东好，孔伟伟，连小珉，王建强，杨殿阁，郑四发，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11