基于车辆行为交互与道路结构耦合的碰撞风险预测方法技术

本申请公开了一种基于车辆行为交互与道路结构耦合的碰撞风险预测方法及装置，基于道路结构分类与潜在双车冲突辨识，并投影至两类基本交互式冲突场景模型；针对车

【技术实现步骤摘要】
基于车辆行为交互与道路结构耦合的碰撞风险预测方法


[0001]本申请涉及智能驾驶车辆环境认知
，特别涉及一种基于车辆行为交互与道路结构耦合的碰撞风险预测方法及装置。

技术介绍

[0002]智能驾驶技术是实现未来更安全、更高效的智慧交通系统的基础技术，属于各国重点关注的热点研究领域。风险评估是智能驾驶的关键技术，其功能是基于传感器反馈的环境感知信息分析行车风险，以提供后续驾驶决策的决策依据。
[0003]碰撞风险是行车风险的重要构成。在实际交通系统中，车辆间存在着大量潜在冲突，例如交叉路口、汇入汇出等场景中，冲突车辆的行为彼此交互影响，且其行为意图具有时变、不确定、难以直接观测的特点。现有碰撞风险预测方法常以单一车辆为分析对象，或无法对车辆交互过程给出可解释的分析，因而难以对车
‑
车冲突场景下的碰撞风险进行有效预测。

技术实现思路

[0004]本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005]为此，本申请的一个目的在于提出一种基于车辆行为交互与道路结构耦合的碰撞风险预测方法，该方法能够以车辆历史轨迹和道路结构信息为输入，辨识车辆潜在冲突关系并预测其碰撞风险，为智能车进一步进行行为决策提供依据。
[0006]本申请的另一个目的在于提出一种基于车辆行为交互与道路结构耦合的碰撞风险预测装置。
[0007]为达到上述目的，本申请一方面实施例提出了一种基于车辆行为交互与道路结构耦合的碰撞风险预测方法，该方法包括以下步骤：
[0008]基于道路结构辨识潜在的双车冲突，将所述双车冲突投影至基本交互式冲突场景模型；
[0009]根据所述双车冲突建立基于动态贝叶斯网络的意图辨识模型，以描述车辆通行意图与环境态势、驾驶行为的条件概率关系；
[0010]根据环境态势和语义行为分别建立概率图模型，以分别利用可观测的场景物理信息与两车运动信息，对环境态势和语义行为进行概率推断；
[0011]基于经验对所述意图辨识模型参数进行参数预标定，并基于EM算法和自然驾驶数据进行参数学习；
[0012]基于所述意图辨识模型输出两车通行意图识别结果，利用高斯过程回归算法进行两车运动轨迹预测，并基于其各时刻位置的高斯分布重叠度，输出碰撞风险评估结果。
[0013]为达到上述目的，本申请另一方面实施例提出了一种基于车辆行为交互与道路结构耦合的碰撞风险预测装置，包括：
[0014]投影模块，用于基于道路结构辨识潜在的双车冲突，将所述双车冲突投影至基本
交互式冲突场景模型；
[0015]建模模块，用于根据所述双车冲突建立基于动态贝叶斯网络的意图辨识模型，以描述车辆通行意图与环境态势、驾驶行为的条件概率关系；
[0016]推断模块，用于根据环境态势和语义行为分别建立概率图模型，以分别利用可观测的场景物理信息与两车运动信息，对环境态势和语义行为进行概率推断，以环境态势和语义行为作为观测输入，基于动态贝叶斯网络对冲突车辆的通行意图进行概率推断；
[0017]训练模块，用于基于经验对所述意图辨识模型参数进行参数预标定，并基于EM算法和自然驾驶数据进行参数学习，基于意图等指标对自然驾驶数据集进行分类，并分别训练对应的高斯过程回归模型，用于后续的轨迹预测；
[0018]预测模块，用于基于所述意图辨识模型输出两车通行意图识别结果，利用高斯过程回归算法进行两车运动轨迹预测，并基于其各时刻位置的高斯分布重叠度，输出碰撞风险评估结果。
[0019]本申请实施例的基于车辆行为交互与道路结构耦合的碰撞风险预测方法及装置，提出一种耦合考虑车辆行为交互与道路结构的车辆意图识别与轨迹预测框架，用于定量预测车辆冲突场景下的碰撞风险。该框架融合考量了环境态势与车辆行为对驾驶人意图的影响，进而基于预测两车轨迹的时空分布及其重合度定量地评估碰撞风险，为智能车辆的后续决策过程提供依据。基于对人类交互过程的模拟与自然驾驶数据的训练，能够实现复杂冲突场景下的车辆运动预测，并通过与道路结构的耦合，进一步增强模型的描述能力与不同场景迁移应用的泛化能力。
[0020]本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0021]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0022]图1为根据本申请一个实施例的基于车辆行为交互与道路结构耦合的碰撞风险预测方法流程图；
[0023]图2为根据本申请一个实施例的基于车辆行为交互与道路结构耦合的碰撞风险预测方法逻辑框图；
[0024]图3为根据本申请一个实施例的真实冲突场景向两类基本冲突场景的投影过程与输出信息示意图；
[0025]图4为根据本申请一个实施例的用于车辆意图推断的动态贝叶斯网络示意图；
[0026]图5为根据本申请一个实施例的用于环境态势推断与行为语义推断的概率图示意图；
[0027]图6为根据本申请一个实施例的两类基本冲突场景中涉及环境态势的示意图；
[0028]图7为根据本申请一个实施例的两类基本冲突场景中涉及行为语义的表格；
[0029]图8为根据本申请一个实施例的基于车辆行为交互与道路结构耦合的碰撞风险预测装置结构示意图。
具体实施方式
[0030]下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
[0031]在智能驾驶领域，面向车
‑
车碰撞风险已开展了较多研究。针对车辆运动的建模，主要包含基于固定运动模型与基于行为意图的两类。其中，固定运动模型假设车辆具有恒速、恒加速度或恒转向角与纵向加速度等固定模式的运动模型，并基于此类模型产生了TTC(Time To Collision)、THW(Time Headway)等碰撞风险预测指标。与之相比，基于行为意图的方法进一步结合交通环境中的道路结构对车辆行为意图进行判断，并进一步预测其未来运动、分析碰撞风险。基于行为意图的运动模型预测精确性更高、更符合人对于碰撞风险的认知。然而，目前此类方法大多仅考虑了独立车辆的行为，而对车
‑
车之间的行为交互影响缺乏分析。从交通事故的成因分析，当车辆间存在潜在冲突(例如匝道汇入、无信号灯路口等场景)，碰撞事故产生的一种常见原因是交互过程发生失效(如未观测到对方，或同时产生过度激进的策略)。反之，基于有效车
‑
车交互形成协作，能够通过决定通过冲突区域的先后顺序而避免碰撞。因此，基于行为意图的运动模型应进一步考虑车
‑
车交互过程，从而更有效地预测碰撞风险。为更好定义本申请所研究交通场景，参考国内外相关论著，本申请将“交互式冲突场景”定义为“当两车面临潜本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于车辆行为交互与道路结构耦合的碰撞风险预测方法，其特征在于，包括以下步骤：基于道路结构辨识潜在的双车冲突，将所述双车冲突投影至基本交互式冲突场景模型；根据所述双车冲突建立基于动态贝叶斯网络的意图辨识模型，以描述车辆通行意图与环境态势、驾驶行为的条件概率关系；根据环境态势和语义行为分别建立概率图模型，以分别利用可观测的场景物理信息与两车运动信息，对环境态势和语义行为进行概率推断；基于经验对所述意图辨识模型参数进行参数预标定，并基于EM算法和自然驾驶数据进行参数学习；基于所述意图辨识模型输出两车通行意图识别结果，利用高斯过程回归算法进行两车运动轨迹预测，并基于其各时刻位置的高斯分布重叠度，输出碰撞风险评估结果。2.根据权利要求1所述的方法，其特征在于，基于道路结构辨识潜在的双车冲突，将所述双车冲突投影至基本交互式冲突场景模型，包括：基于道路结构，以车道中线为参考线建立Frenet坐标系上的投影，构成汇入式冲突场景模型与交叉式冲突场景模型之一的交互式冲突场景模型；辨识构成交互式冲突场景的车辆配对；以两冲突车优先通行意图置信度，初始化所述意图辨识模型。3.根据权利要求2所述的方法，其特征在于，所述辨识构成交互式冲突场景的车辆配对，包括：构建概率图，以目标车辆和其周边车辆的状态、环境信息为输入，输出其与周边车辆的冲突强度，并与冲突强度最高的车辆构成双车冲突场景。4.根据权利要求1所述的方法，其特征在于，所述根据所述双车冲突建立基于动态贝叶斯网络的意图辨识模型，以描述车辆通行意图与环境态势、驾驶行为的条件概率关系包括：模拟人类行为交互过程，构建动态贝叶斯网络，所述动态贝叶斯网络包括环境态势、驾驶人意图与车辆行为，所述动态贝叶斯网络的推断目标为所述驾驶人意图；建立所述动态贝叶斯网络中各个变量的有向连接关系，构成有向无环图；基于经验常识对所述动态贝叶斯网络参数进行预标定，并基于真实驾驶数据，对网络参数进行训练优化；基于时间序列上所有可测量的观测信息，进行所述动态贝叶斯网络中隐变量概率推断，并输出两冲突车的优先通行意图置信度。5.根据权利要求1所述的方法，其特征在于，所述根据环境态势和语义行为分别建立概率图模型，以分别利用可观测的场景物理信息与两车运动信息，对环境态势和语义行为进行概率推断，包括：建立辨识环境态势的第一概率图模型，所述第一概率图模型以道路结构信息、两车位置与速度为输入，以车辆是否具有满足行为条件的环境态势为输出；建立辨识冲突车行为语义的第二概率图模型，所述第...

【专利技术属性】
技术研发人员：王建强，崔明阳，杨路，黄荷叶，林学武，许庆，
申请(专利权)人：清华大学，
类型：发明
国别省市：