一种面向自动驾驶汽车的纵向驾驶能力检测方法技术

本发明专利技术涉及一种面向自动驾驶汽车的纵向驾驶能力检测方法，包括：获取异质性群体驾驶行为数据，构建纵向驾驶行为特征库；针对车辆纵向安全距离保持行为，利用纵向驾驶行为特征库，构建驾驶能力评估指标体系；利用分位数回归方法和驾驶能力评估指标体系，构建纵向驾驶能力多因素解析模型；获取自动驾驶汽车运行数据，利用纵向驾驶能力多因素解析模型进行驾驶能力量化检测。与现有技术相比，实现自动驾驶汽车的驾驶能力在人类驾驶员群体中的量化定位，解决了现有驾驶能力评估方法无法兼顾等级划分和可解释性的问题，评价结果可支撑自动驾驶汽车控制算法的优化。

【技术实现步骤摘要】
一种面向自动驾驶汽车的纵向驾驶能力检测方法
本专利技术涉及自动驾驶汽车领域，尤其是涉及一种面向自动驾驶汽车的纵向驾驶能力检测方法。
技术介绍
自动驾驶是全球新一轮科技创新与产业发展的重要方向。当前，自动驾驶已进入实用化发展阶段，然而仍处于产业化前期，自动驾驶路测事故时有发生，由于驾驶能力不足造成的安全问题导致公众对自动驾驶的信任度大幅降低，因此自动驾驶汽车应用前需进行驾驶能力分析，运用高驾驶能力的自动驾驶方法去控制自动驾驶汽车，以保证在复杂交通环境中自主应对驾驶任务的安全性。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种面向自动驾驶汽车的纵向驾驶能力检测方法。本专利技术的目的可以通过以下技术方案来实现：一种面向自动驾驶汽车的纵向驾驶能力检测方法，该方法包括以下步骤：步骤S1：获取异质性群体驾驶行为数据，构建纵向驾驶行为特征库；步骤S2：针对车辆纵向安全距离保持行为，利用纵向驾驶行为特征库，构建驾驶能力评估指标体系；步骤S3：利用分位数回归方法和驾驶能力评估本文档来自技高网...

【技术保护点】
1.一种面向自动驾驶汽车的纵向驾驶能力检测方法，其特征在于，该方法包括以下步骤：/n步骤S1：获取异质性群体驾驶行为数据，构建纵向驾驶行为特征库；/n步骤S2：针对车辆纵向安全距离保持行为，利用纵向驾驶行为特征库，构建驾驶能力评估指标体系；/n步骤S3：利用分位数回归方法和驾驶能力评估指标体系，构建纵向驾驶能力多因素解析模型；/n步骤S4：获取自动驾驶汽车运行数据，利用纵向驾驶能力多因素解析模型进行驾驶能力量化检测。/n

【技术特征摘要】
1.一种面向自动驾驶汽车的纵向驾驶能力检测方法，其特征在于，该方法包括以下步骤：
步骤S1：获取异质性群体驾驶行为数据，构建纵向驾驶行为特征库；
步骤S2：针对车辆纵向安全距离保持行为，利用纵向驾驶行为特征库，构建驾驶能力评估指标体系；
步骤S3：利用分位数回归方法和驾驶能力评估指标体系，构建纵向驾驶能力多因素解析模型；
步骤S4：获取自动驾驶汽车运行数据，利用纵向驾驶能力多因素解析模型进行驾驶能力量化检测。


2.根据权利要求1所述的一种面向自动驾驶汽车的纵向驾驶能力检测方法，其特征在于，所述的步骤S1包括：
步骤S11：获取异质性群体驾驶行为数据，包括车辆运动数据、GPS行车轨迹数据和车载驾驶环境感知数据；
步骤S12：融合异质性群体驾驶行为数据，划分行驶片段，并从行驶片段中提取检测到本车行驶前向方向存在另一车辆的行驶片段，得到驾驶能力评估片段；
步骤S13：以驾驶能力评估片段为基本分析单元，计算出行特征、运行特征及道路特征，构建纵向驾驶行为特征库。


3.根据权利要求2所述的一种面向自动驾驶汽车的纵向驾驶能力检测方法，其特征在于，所述出行特征的指标为驾驶能力评估片段的持续时长、是否高峰出行和是否夜间出行，运行特征的指标为平均速度和速度标准差，道路特征的指标为主要道路类型。


4.根据权利要求1所述的一种面向自动驾驶汽车的纵向驾驶能力检测方法，其特征在于，所述的驾驶能力评估指标体系包括纵向风险暴露量pexposure和纵向风险程度pseverity两个指标，所述纵向风险暴露量pexposure为：



其中，τi为驾驶行为数据采集间隔，δi为τi时段内车辆状态，d为本车与相邻前向相邻另一车辆距离，dmin(ti)为最小安全距离，d(ti)＜dmin(ti)时δi＝1，i为总时段数，t为驾驶能力评估片段的持续时长，exposure为本车处于潜在风险状态的时长总和；
所述纵向风险程度pseverity为：



其中，severity为本车处于潜在风险状态时d(ti)与d...

【专利技术属性】
技术研发人员：余荣杰，龙晓捷，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31