基于路侧单元的自动驾驶安全判别方法、设备、存储介质技术

本发明专利技术涉及一种基于路侧单元的自动驾驶安全判别方法、设备、存储介质，其中方法包括：步骤S1.获取本车及其前车的速度和位置，并向邻近的路侧单元请求下载当前路段的历史事故数据；步骤S2.基于速度、位置与历史事故数据，判断当前路段的风险等级；步骤S3.基于本车车主以往在事故多发路段的车速控制行为，判断本车车主对道路潜在风险的应对倾向；步骤S4.根据当前路段的风险等级及车主的应对倾向，调节本车的当前车速。本发明专利技术基于速度、位置与历史事故判别路段风险等级，并结合以往事故多发路段的车速控制行为分析车主的风险应对倾向，根据风险等级及应对倾向综合考量车速调整，实现保障驾驶安全的同时，充分考虑车主意愿，提高车主的自动驾驶体验。

【技术实现步骤摘要】
基于路侧单元的自动驾驶安全判别方法、设备、存储介质
本专利技术涉及自动驾驶技术，特别涉及一种基于路侧单元的自动驾驶安全判别方法、设备、存储介质。
技术介绍
现有的自动驾驶车辆均设有由激光传感器、视觉传感器、位置传感器、前后雷达、主控电脑所组成的自动驾驶系统，通过依赖视觉计算、雷达监控和全球定位系统协同合作，让主控电脑能根据道路车辆之间的相对位置及速度，自动操控车辆进行行驶，并在自动驾驶过程中，根据路段风险、前后车之间的相对位置及速度实时作出安全判别，进而调整车速以保障自动驾驶安全。现有方案存在的缺陷是，基于安全判别的车速调整仅考虑位置及速度参数，忽略车主对道路潜在风险的应对意愿，存在违背车主驾驶习惯的可能，导致车主的自动驾驶体验度不高。
技术实现思路
本专利技术为解决或部分解决现有技术中的不足之处，而提供一种基于路侧单元的自动驾驶安全判别方法、设备、存储介质。为此，提供一种基于路侧单元的自动驾驶安全判别方法，所述路侧单元指等间距排列于道路旁侧且与运营中心通信的多个网联通信设备，各网联通信设备之间相互通信且分别与其通信范围内的各车辆组网，其特征在于，包括下述步骤：步骤S1.获取本车及其前车的速度和位置，并向邻近的路侧单元请求下载当前路段的历史事故数据；步骤S2.基于速度、位置与历史事故数据，判断当前路段的风险等级；步骤S3.基于本车车主以往在事故多发路段的车速控制行为，判断本车车主对道路潜在风险的应对倾向；步骤S4.根据当前路段的风险等级及车主的应对倾向，调节本车的当前车速。作为优选方案，所述风险等级分为高中低三级，所述应对倾向具体指本车车主对道路潜在风险的应对态度。作为优选方案，所述步骤S2进一步包括：以速度、位置与历史事故数据作为输入量输入至事先训练好的神经网络模型，从而获得神经网络模型所输出的风险等级。作为优选方案，其特征在于：所述步骤S1中还向邻近的路侧单元请求当前路段的天气信息；所述步骤S2中还将天气信息作为神经网络模型的输入量之一进行评估。作为优选方案，所述步骤S3进一步包括：统计本车车主以往在事故多发路段的车速控制总数，并从中筛选出减速次数，若减速次数在车速控制总数中的占比超过设定阈值则将所述应对态度归为谨慎，否者将所述应对态度归为激进。作为优选方案，所述步骤S4进一步包括：若所述风险等级为高，则无视车主的应对态度而将本车的车速控制为设定的安全速度；若所述风险等级为中，且所述应对态度为激进，则控制本车与前车保持相同速度行驶；若所述风险等级为中，且所述应对态度为谨慎，则控制本车进行减速；若所述风险等级为低，则控制本车按原速行驶。作为优选方案，根据本车与前车之间的距离，结合刹车滑动理论，确定所述安全速度。还提供一种设备，其中，该设备包括：控制器；以及，被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述控制器实现上述的方法。还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被控制器执行时，实现上述的方法。有益效果：本专利技术的方法通过路侧单元下载当前路段的历史事故数据，基于速度、位置与历史事故数据判别路段风险等级，并结合以往在事故多发路段的车速控制行为分析车主的风险应对倾向，根据风险等级及应对倾向综合考量车速调整措施，实现保障自动驾驶安全的同时，充分考虑车主意愿，提高车主的自动驾驶体验。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了本专利技术实施例所述方法的实施流程图；图2为本专利技术的电子设备的结构示意图；图3为本专利技术的计算机可读存储介质的结构示意图。具体实施方式本实施例的车辆为自动驾驶车辆，其上设有由常规激光传感器(Ibeo)、视觉传感器(双目视觉摄像头)、位置传感器(GPS)、前后雷达、主控电脑(Nuvo-5095GC工控机)所组成的自动驾驶系统，能够实施自动驾驶所需的常规传感检测及驾驶控制。本实施例中，路侧单元指代等间距排列于道路旁侧的多个网联通信设备，设置各网联通信设备的通信范围紧邻而又互不重叠，各网联通信设备之间基于移动通信技术相互通信，然后控制各路侧单元在其通信范围内以较短周期进行周期性广播组网寻呼请求，车辆接收到请求后建立通信链路，从而实现路侧单元与其通信范围内的各车辆组网，保障每个路侧单元及其组网车辆均组成一局域通信网络，接着，各网联通信设备分别与作为运营中心的交通控制中心联网通信，从而承担道路车辆与交通控制中心之间数据中继传输功能，使车辆在驾驶路途中得以经路侧单元向交通控制中心请求交通数据，从而辅助实施自动驾驶行为。本实施例的自动驾驶安全判别方法，包括如图1所示的以下步骤：步骤S1.获取本车及其前车的速度和位置，并向邻近的路侧单元请求下载当前路段的历史事故数据。具体地，本车上的主控电脑利用位置传感器及车载计速器获取本车的位置及速度，利用激光传感器及雷达采集前车的位置并以位置变化量测算前车速度，然后通过与之组网的临近路侧单元，向运营中心请求当前路段的天气情况及历史发生的车祸事故数据，其中车祸事故数据具体包括年均车祸发生次数、车辆类型、荷载量等，运营中心根据请求经路侧单元反馈数据至主控电脑，供主控电脑存储处理。步骤S2.基于速度、位置与历史事故数据，判断当前路段的风险等级。具体地，以本车及其前车的速度和位置、当前路段的历史事故数据及天气情况作为训练样本，采用神经网络算法构建训练模型进行训练，训练输出高中低三个风险等级，模型训练好后再用同类数据进行校验，其中训练数据与校验数据的比例划分为4:1。进行自动驾驶模式时，实时将本车及其前车的速度和位置、当前路段的历史事故数据及天气情况作为输入量，送入神经网络模型中进行决策，从而输出风险等级结果。步骤S3.基于本车车主以往在事故多发路段的车速控制行为，判断本车车主对道路潜在风险的应对倾向，即车主面对道路潜在风险时的应对态度。具体地，在日常车主手动驾驶时，主控电脑均通过电子地图区分行驶路段是否为事故多发路段，在标记到属于事故多发路段时，实时记录车主在该路段的车速控制行为，其中车速控制行为具体包含加速、减速及保持原速度不变三类。获得记录后，分别统计三类车速控制行为的次数，将三类的次数相加求取车速控制总数，并求取其中的减速次数在车速控制总数中的占比，若占比超过设定阈值，则认为车主面对事故多发路段这类型道路本文档来自技高网...

【技术保护点】
1.基于路侧单元的自动驾驶安全判别方法，所述路侧单元指等间距排列于道路旁侧且与运营中心通信的多个网联通信设备，各网联通信设备之间相互通信且分别与其通信范围内的各车辆组网，其特征在于，包括下述步骤：/n步骤S1.获取本车及其前车的速度和位置，并向邻近的路侧单元请求下载当前路段的历史事故数据；/n步骤S2.基于速度、位置与历史事故数据，判断当前路段的风险等级；/n步骤S3.基于本车车主以往在事故多发路段的车速控制行为，判断本车车主对道路潜在风险的应对倾向；/n步骤S4.根据当前路段的风险等级及车主的应对倾向，调节本车的当前车速。/n

【技术特征摘要】
1.基于路侧单元的自动驾驶安全判别方法，所述路侧单元指等间距排列于道路旁侧且与运营中心通信的多个网联通信设备，各网联通信设备之间相互通信且分别与其通信范围内的各车辆组网，其特征在于，包括下述步骤：
步骤S1.获取本车及其前车的速度和位置，并向邻近的路侧单元请求下载当前路段的历史事故数据；
步骤S2.基于速度、位置与历史事故数据，判断当前路段的风险等级；
步骤S3.基于本车车主以往在事故多发路段的车速控制行为，判断本车车主对道路潜在风险的应对倾向；
步骤S4.根据当前路段的风险等级及车主的应对倾向，调节本车的当前车速。


2.根据权利要求1所述的方法，其特征在于，所述风险等级分为高中低三级，所述应对倾向具体指本车车主对道路潜在风险的应对态度。


3.根据权利要求2所述的方法，其特征在于，所述步骤S2进一步包括：
以速度、位置与历史事故数据作为输入量输入至事先训练好的神经网络模型，从而获得神经网络模型所输出的风险等级。


4.根据权利要求3所述的方法，其特征在于：
所述步骤S1中还向邻近的路侧单元请求当前路段的天气信息；
所述步骤S2中还将天气信息作为神经网络模型的输入量之一...

【专利技术属性】
技术研发人员：杨敬锋，王立，蓝飞腾，刘晓松，魏忠伟，杨峰，
申请(专利权)人：广东中科臻恒信息技术有限公司，
类型：发明
国别省市：广东;44