一种基于熵权法的传感器共享最优节点选择方法技术

本发明专利技术公开了一种基于熵权法的传感器共享最优节点选择方法，步骤为：1）本车通过自身传感器读取自身基础信息、遮挡物及其定位信息，通过广播采集周围车辆或路侧单元的基础信息；2）量化周围车辆或路侧单元对本车感知盲区补充范围数值；3）采用熵权法计算感知盲区补充范围数值、传感器性能指标和通信相关性能指标所占权重，得出周围车辆最终评分；4）选择评分最高的车辆作为共享目标。该方法首先切实考虑目前自动驾驶汽车在动态交通流环境中具有传感器共享需求，参考了自动驾驶中盲区补充面积、通信指标与传感器性能指标，利用信息熵技术对数据进行量化处理，实现对参考数据的有效地、最大化地对比，最终选出合适的传感器共享目标。

An optimal node selection method based on entropy weight method for sensor sharing

【技术实现步骤摘要】
一种基于熵权法的传感器共享最优节点选择方法
本专利技术涉及自动驾驶传感器共享
，具体一种基于熵权法的传感器共享最优节点选择方法。
技术介绍
随着深度学习技术持续火热，人工智能迎来大发展浪潮，自动驾驶作为人工智能中备受关注的落脚点，成为了全球交通领域变革的主流方向和未来竞争的重要高地。安全性是自动驾驶领域的首要考虑因素，随着各家研究机构的自动驾驶事故不断发生，研究人员愈发着重于安全性保障研究，尽管机器学习和人工智能可以发挥作用，但其有效性取决于输入数据的质量。感知模块作为输入信息的来源，感知范围、精度及鲁棒性等指标影响着整个自动驾驶系统的可靠性。自动驾驶的感知信息主要由传感器采集得到的感知数据而来，但因传感器受本身的感知距离限制、障碍物遮挡、天气环境等因素影响，常常无法覆盖驾驶安全距离所要求的感知范围。针对这一问题，学者们提出了基于V2X(VehicleToeverything，V2X)的传感器共享方案，通过车到车(VehicleToVehicle，V2V)、车到道路基础设施(VehicletoInfrastructure，V2I)、车到人(VehicletoPedestrian，V2P)等方式共享周围车辆、路侧单元甚至行人的传感器数据，可以扩大本车的感知范围、弥补感知盲区，同时提高感知鲁棒性。但目前自动驾驶汽车在计算性能、通信带宽等限制下，在动态交通流环境中无法同时与所有在路车辆达成共享，如何在大量的车辆中选取对本车帮助最大的车辆作为共享目标则是应该考虑的问题。解决上述技术问题的难点在于：自动驾驶场景下，共享周围车辆传感器对本车所能带来的帮助程度受周围车辆位置、传感器感知范围、感知数据可靠性、通信时延、通信可靠性等多种因素影响，如何确定各因素影响权重，得到最能体现周围车辆差异程度的评分，最终选出对本车感知范围帮助最大同时其他可靠性等指标相对较好的特定车辆。解决上述技术问题的意义在于：切实考虑当前计算单元及通信技术限制，促进传感器共享技术在自动驾驶领域的应用，实现盲区补充，提高感知鲁棒性，让传感器共享为自动驾驶安全性提供有力保障。
技术实现思路
本专利技术的目的在于克服上述技术的不足，而提供一种基于熵权法的传感器共享最优节点选择方法。实现本专利技术目的的技术方案是：一种基于熵权法的传感器共享最优节点选择方法，包括如下步骤：1)本车通过自身传感器读取自身基础信息、遮挡物及其定位信息，通过广播采集周围车辆或路侧单元的基础信息；2)量化计算周围车辆或路侧单元对本车感知盲区补充范围数值；3)采用熵权法计算感知盲区补充范围数值、传感器性能指标和通信相关性能指标所占权重，得出周围车辆最终评分；4)选择评分最高的车辆作为共享目标。步骤1)中，所述的自身基础信息，包括自身全球定位信息和航向；所述遮挡物，包括周围车辆、路牌、树木以及可能遮挡本车感知的物体，遮挡物的定位信息由自身感知传感器采集，包括遮挡物在本车坐标系下的上顶点与下顶点坐标；所述的基础信息，包括周围车辆定位信息和航向、传感器性能指标和通信相关性能指标。所述的传感器性能指标，包括量程指标：量程、满量程输出值、测量上下限、过载能力中的至少一种；包括灵敏度指标：灵敏度、分辨率、输入输出阻抗中的至少一种；包括精度指标：误差、重复性、线性、滞后、灵敏度误差、阈值、稳定性、漂移中的至少一种；包括动态性能指标：固有频率、阻尼系数、频响范围、频率特性、时间常数、上升时间、响应时间、过冲量、衰减率、稳态误差、临界速度、临界频率中的至少一种。所述的通信相关性能指标为通信时延、带宽、丢包率、吞吐量、抖动、包转发率、信道利用率、信道容量、带宽利用率、包损失率中的至少一种。步骤2)中，所述的感知盲区补充范围数值，计算方法为：将本车经纬度信息作为二维本车坐标系的坐标原点(0，0)，本车航向作为本车坐标系的x轴朝向，垂直本车航向的左向作为本车坐标系的y轴朝向，将所有遮挡物及周围车辆定位信息转换到同一坐标系下进行计算，具体方法如下：定义本车定位坐标为(0，0)，安全距离为l1，感知范围夹角为α1，遮挡物上顶点坐标为Vert_a(a，b)，下顶点坐标为Vert_b(c，d)，盲区夹角即上顶点与坐标原点连线和下顶点与坐标原点连接的夹角为β，则本车感知盲区上边界f11、下边界f12与所围圆弧farc的函数为：定义第i辆周围车辆定位坐标为(xi,yi)，感知距离为li，感知范围夹角为αi，则第i辆周围车辆感知范围上下边界fi1、fi2为：设有函数f1与函数f2，定义f1∩f2表示函数f1与函数f2的交点坐标，若函数f1与函数f2存在交点，则表示为f1∩f2＝1；若函数f1与函数f2不存在交点，则表示为f1∩f2＝0；定义阈值LW(lane-width)作为车道区分标识，将周围车辆的位置情况分为三种：(1)当|yi|≤LW/2时，表示第i辆周围车辆与本车同车道，其中：情况1：当xi<min(a,c)时，当xi<0，认为第i辆周围车辆处于我车后方，当0<xi<min(a,c)时，实际中不存在此情况，不选用此车作为共享目标，则该情况下的盲区补充面积定义为：S1＝0(6)情况2：当min(a,c)≤xi<l1且f11∩fi1＝1且f12∩fi2＝1时，定义A(xa,ya)＝(0,0)、B(xb,yb)＝(xi,yi)、C(xc,yc)＝f11∩fi1，定义SΔABC表示A、B、C三点所围成的三角形面积，可得则该情况下的盲区补充面积S2为：情况3：当min(a,c)≤xi<l1且fi1∩farc＝1且f12∩fi2＝1时，定义A(xa,ya)＝(0,0)、B(xb,yb)＝fi1∩farc、C(xc,yc)＝fi2∩farc，定义SΔABC表示A、B、C三点所围成的三角形面积，可得则该情况下的盲区补充面积S3为：情况4：当xi≥l1时，第i辆周围车辆感知范围不在本车所需感知范围内，不选用此车作为共享目标，则该情况下的盲区补充面积S4定义为：S4＝0(9)(2)当yi>LW/2时，表示第i辆周围车辆位于本车左车道，其中：情况5：当fi2∩f11＝0且fi2∩f12＝0时，第i辆周围车辆感知范围不在本车所需感知范围内，不选用此车作为共享目标，则该情况下的盲区补充面积S5定义为：S5＝0(10)情况6：当fi2∩f11＝1且fi2∩f12＝0时，定义A(xa,ya)＝f11∩farc、B(xb,yb)＝f11∩fi2、C(xc,yc)＝fi2∩farc，则该情况下的盲区补充面积S6为：情况7：当fi2∩f11＝1且fi2∩f12＝1时，定义A(xa,ya)＝(0,0)、B(xb,yb)＝f11∩fi2、C(xc,yc)＝fi2∩f12，定义SΔABC表示A、B、C三点本文档来自技高网...

【技术保护点】
1.一种基于熵权法的传感器共享最优节点选择方法，其特征在于，包括如下步骤：/n1)本车通过自身传感器读取自身基础信息、遮挡物及其定位信息，通过广播采集周围车辆或路侧单元的基础信息；/n2)量化周围车辆或路侧单元对本车感知盲区补充范围数值；/n3)采用熵权法计算感知盲区补充范围数值、传感器性能指标和通信相关性能指标所占权重，得出周围车辆最终评分；/n4)选择评分最高的车辆作为共享目标；/n步骤1)中，所述的自身基础信息，包括自身全球定位信息和航向；所述遮挡物，包括周围车辆、路牌、树木以及可能遮挡本车感知的物体，遮挡物的定位信息由自身感知传感器采集，包括遮挡物在本车坐标系下的上顶点与下顶点坐标；所述的周围车辆或路侧单元的基础信息，包括周围车辆定位信息和航向、传感器性能指标和通信相关性能指标。/n

【技术特征摘要】
1.一种基于熵权法的传感器共享最优节点选择方法，其特征在于，包括如下步骤：
1)本车通过自身传感器读取自身基础信息、遮挡物及其定位信息，通过广播采集周围车辆或路侧单元的基础信息；
2)量化周围车辆或路侧单元对本车感知盲区补充范围数值；
3)采用熵权法计算感知盲区补充范围数值、传感器性能指标和通信相关性能指标所占权重，得出周围车辆最终评分；
4)选择评分最高的车辆作为共享目标；
步骤1)中，所述的自身基础信息，包括自身全球定位信息和航向；所述遮挡物，包括周围车辆、路牌、树木以及可能遮挡本车感知的物体，遮挡物的定位信息由自身感知传感器采集，包括遮挡物在本车坐标系下的上顶点与下顶点坐标；所述的周围车辆或路侧单元的基础信息，包括周围车辆定位信息和航向、传感器性能指标和通信相关性能指标。


2.根据权利要求1所述的一种基于熵权法的传感器共享最优节点选择方法，其特征在于，所述的传感器性能指标，
包括量程指标：为量程、满量程输出值、测量上下限、过载能力中的至少一种；
包括灵敏度指标：为灵敏度、分辨率、输入输出阻抗中的至少一种；
包括精度指标：为误差、重复性、线性、滞后、灵敏度误差、阈值、稳定性、漂移中的至少一种；
包括动态性能指标：为固有频率、阻尼系数、频响范围、频率特性、时间常数、上升时间、响应时间、过冲量、衰减率、稳态误差、临界速度、临界频率中的至少一种。


3.根据权利要求1所述的一种基于熵权法的传感器共享最优节点选择方法，其特征在于，所述的通信相关性能指标为通信时延、带宽、丢包率、吞吐量、抖动、包转发率、信道利用率、信道容量、带宽利用率、包损失率中的至少一种。


4.根据权利要求1所述的一种基于熵权法的传感器共享最优节点选择方法，其特征在于，步骤2)中，所述的感知盲区补充范围数值，量化方法为：将本车经纬度信息作为二维本车坐标系的坐标原点(0，0)，本车航向作为本车坐标系的x轴朝向，垂直本车航向的左向作为本车坐标系的y轴朝向，将所有遮挡物及周围车辆定位信息转换到同一坐标系下进行计算，具体量化方法如下：
定义本车定位坐标为坐标原点(0，0)，安全距离为l1，感知范围夹角为α1，遮挡物上顶点坐标为Vert_a(a，b)，下顶点坐标为Vert_b(c，d)，上顶点与坐标原点连线和下顶点与坐标原点连接的夹角为β，则本车感知盲区上边界f11、下边界f12与所围圆弧farc的函数为：









定义第i辆周围车辆定位坐标为(xi,yi)，感知距离为li，感知范围夹角为αi，则第i辆周围车辆感知范围上下边界fi1、fi2为：






设有函数f1与函数f2，定义f1∩f2表示函数f1与函数f2的交点坐标，若函数f1与函数f2存在交点，则表示为f1∩f2＝1；若函数f1与函数f2不存在交点，则表示为f1∩f2＝0；
定义阈值LW作为车道区分标识，将周围车辆的位置情况分为三种：(1)当|yi|≤LW/2时，表示第i辆周围车辆与本车同车道；(2)当yi>LW/2时，表示第i辆周围车辆位于本车左车道，(3)当yi<LW/2时，表示第i辆周围车辆位于本车左车道。


5.根据权利要求4所述的一种基于熵权法的传感器共享最优节点选择方法，其特征在于，所述(1)当|yi|≤LW/2时，表示第i辆周围车辆与本车同车道，其中：
情况1：当xi<min(a,c)时，当xi<0，认为第i辆周围车辆处于我车后方，当0<...

【专利技术属性】
技术研发人员：李晓欢，罗明懿，唐欣，周胜源，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45