人-车-路微观交通系统建模及风险辨识方法及装置制造方法及图纸

本申请公开了一种人

【技术实现步骤摘要】
人
‑
车
‑
路微观交通系统建模及风险辨识方法及装置


[0001]本申请涉及自动驾驶
，特别涉及一种人
‑
车
‑
路微观交通系统建模及风险辨识方法及装置。

技术介绍

[0002]车辆行驶时，道路环境复杂多变，其安全状态受到较多因素影响，大体上可以分为人(生理状态、操纵特征、意图等)、车(运行工况)、路(天气、路况、交通流等)三个因素。由于驾驶人预瞄不足、反应延迟以及操控失误等不确定性因素，加之可能出现的车辆故障、周车行为意图难以预测以及道路环境恶化等，使得交通事故难以从根本上彻底消除。此外，驾驶人特性、周车意图和道路环境的不确定性随着人
‑
车
‑
路闭环系统非线性迭代不断传播放大，导致车辆动力学特性难以预测。因此，阐明人
‑
车
‑
路交互作用，准确表征各交通要素对系统的影响，量化辨识复杂系统动态风险，可以更好适应驾驶人、车辆和道路环境的不同条件，从而平衡人
‑
车
‑
路微观交通系统。
[0003]相关技术中，人
‑
车
‑
路交互作用，尤其是人
‑
车、车
‑
路、人
‑
路交互之间建模已经获得了广泛的研究。驾驶人(人)、车辆(车)、交通环境(路)三要素及其相互作用，构成了以自车为中心的微观交通系统基本单元。现有研究多从单一对象扩展至人
‑
车、人
‑
路、车
‑
路交互视角，即较少从人
‑
车
‑
路统一视角出发。具体来说，现有的车
‑
路耦合研究愈发深入，但针对极限工况下的车
‑
路交互耦合机理研究尚不清晰，当前关于车
‑
路耦合机理的研究多基于轮胎动力学
‑
道路动力学的作用机制来展开，难扩展构建统一视角下人车路闭环系统模型。而人车交互的研究多聚焦面向先进驾驶辅助系统的技术攻克，以车辆安全性为主要目标，鲜有系统考虑驾驶人对辅助系统的接受程度，存在宜人性较差的局限，势必需要通过深刻认识驾驶人驾驶认知特性，构建其认知模型，突破人车交互过程的信任问题，实现人车协同驾驶。而人
‑
路交互机理研究主要集中在单一车辆驾驶行为意图研究，对交互意图辨识研究尚不深入，因此需要构建人
‑
路交互机理模型，探明自车驾驶人与周围交通参与者的交互机制，为规避碰撞风险的主动控制提供理论支撑。对于人
‑
车
‑
路闭环系统的研究多集中在狭义概念范围内，对某些因素过度简化，虽涵盖人车路交通要素，但缺乏统一、完整的系统描述。因此，迫切需要一种全新可扩展的人车路统一建模方法，对该复杂系统展开描述，在此基础上掌握交通环境变化对车辆运行安全的影响规律，为交通管理者或车辆运动控制提供理论指导。
[0004]道路交通风险产生被认为是许多因素综合的结果，主要表现为驾驶人的生理和心理限制、车辆性能有限、道路路线不当以及恶劣天气造成的风险(如能见度低和道路湿滑)。针对人
‑
车
‑
路闭环系统这一复杂耦合对象，从行车风险形成开始到发生危险冲突的整个风险转化过程很难用单一的时空距离参数(实际车距、车间时间和碰撞时间等)进行描述，需要综合考虑多个时空距离参数并采用更复杂的模型和算法对系统运行风险进行研究。但现有基于车辆运动学、碰撞概率等方法对于人
‑
车
‑
路交通系统本身的建模不清晰，难将风险辨识的结果有效反馈于人
‑
车
‑
路交通系统进行安全辅助决策。因此，在复杂人
‑
车
‑
路交通
系统中，需要充分考虑系统中多源多维的风险产生过程，辨识人
‑
车
‑
路耦合环境下的车辆行驶安全状态，构建人
‑
车
‑
路闭环系统风险辨识模型，进而更好实现人
‑
车
‑
路闭环系统运行本质安全。因此，有必要开发一种人
‑
车
‑
路微观交通系统建模及风险辨识方法。

技术实现思路

[0005]本申请提供一种人
‑
车
‑
路微观交通系统建模及风险辨识方法，以解决相关技术中对于人
‑
车
‑
路交通系统本身的建模不清晰，难将风险辨识的结果有效反馈于人
‑
车
‑
路交通系统进行安全辅助决策等问题。
[0006]本申请第一方面实施例提供一种人
‑
车
‑
路微观交通系统建模及风险辨识方法，包括以下步骤：利用不同类型的车与道路交通参与者之间的交互作用构建车
‑
路动态交互作用模型，得到车路交互产生的潜在事故后果；利用人车系统交互输出的行驶轨迹分布构建人
‑
车动态交互作用模型，得到人车交互产生的行为不确定性；利用驾驶人视觉特性对驾驶人驾驶过程中观察道路周边环境的兴趣区域构建人
‑
路动态交互作用模型，得到人路交互过程驾驶人风险敏感度差异；利用聚类思想将驾驶人驾驶习性的特征规律和差异性进行表征，得到驾驶人个性化特性；根据所述车路交互产生的潜在事故后果、所述行为不确定性、所述人路交互过程驾驶人风险敏感度差异及所述驾驶人个性化特性构建人
‑
车
‑
路闭环动力学系统，生成风险辨识结果。
[0007]可选地，在本申请的一个实施例中，所述人
‑
车
‑
路闭环动力学系统表示为：
[0008][0009]其中，S
DVR
为人
‑
车
‑
路闭环动力学系统，γ
i
(t)为所述人路交互过程驾驶人风险敏感度差异中的有效响应，D
i
为所述驾驶人个性化特性，δ(t)为车辆转向角度，P
x,y
*(δ(t))为所述行为不确定性，r
′
为所述人路交互过程驾驶人风险敏感度差异中的驾驶兴趣区域半径，为所述车路交互产生的潜在事故后果，ω为转向，ω＝0为车辆直行，ω＞0代表左转，ω＜0代表右转，Δδ为在某一时间段Δt内转向角的增量，IN为自车i与道路交通参与者j进行交互的交互矩阵，m
i
，m
j
和v
i
，v
j
分别是自车i与另一个道路交通参与者j的质量和速度，TTC是避撞时间，ξ(v
i
)＝a/b，a为椭圆长轴长度，b为椭圆短轴长度，v
i
(t)为自车i的速度，为驾驶人的视角函数。
[0010]为可选地，在本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人
‑
车
‑
路微观交通系统建模及风险辨识方法，其特征在于，包括以下步骤：利用不同类型的车与道路交通参与者之间的交互作用构建车
‑
路动态交互作用模型，得到车路交互产生的潜在事故后果；利用人车系统交互输出的行驶轨迹分布构建人
‑
车动态交互作用模型，得到人车交互产生的行为不确定性；利用驾驶人视觉特性对驾驶人驾驶过程中观察道路周边环境的兴趣区域构建人
‑
路动态交互作用模型，得到人路交互过程驾驶人风险敏感度差异；利用聚类思想将驾驶人驾驶习性的特征规律和差异性进行表征，得到驾驶人个性化特性；以及根据所述车路交互产生的潜在事故后果、所述行为不确定性、所述人路交互过程驾驶人风险敏感度差异及所述驾驶人个性化特性构建人
‑
车
‑
路闭环动力学系统，生成风险辨识结果。2.根据权利要求1所述的方法，其特征在于，所述人
‑
车
‑
路闭环动力学系统表示为：其中，S
DVR
为人
‑
车
‑
路闭环动力学系统，γ
i
(t)为所述人路交互过程驾驶人风险敏感度差异中的有效响应，D
i
为所述驾驶人个性化特性，δ(t)为车辆转向角度，P
x，y
*(δ(t))为所述行为不确定性，r
′
为所述人路交互过程驾驶人风险敏感度差异中的驾驶兴趣区域半径，为所述车路交互产生的潜在事故后果，ω为转向，ω＝0为车辆直行，ω>0代表左转，ω<0代表右转，Δδ为在某一时间段Δt内转向角的增量，IN为自车i与道路交通参与者j进行交互的交互矩阵，m
i
,m
j
和v
i
,v
j
分别是自车i与另一个道路交通参与者j的质量和速度，TTC是避撞时间，ξ(v
i
)＝a/b为，a为椭圆长轴长度，b为椭圆短轴长度，v
i
(t)为自车i的速度，为驾驶人的视角函数。3.根据权利要求1所述的方法，其特征在于，所述利用不同类型的车与道路交通参与者之间的交互作用构建车
‑
路动态交互作用模型，得到车路交互产生的潜在事故后果，包括：计算场景中自车与不同道路交通参与者的交互数量；计算交通环境中两个对象之间的交互后果；基于所述交互数量和所述交互后果，生成在多个交通参与者与自车进行交互过程中叠加交互累计后果得到所述车路交互产生的潜在事故后果加交互累计后果得到所述车路交互产生的潜在事故后果其中，IN为自车i与道路交通参与者j进行交互的交互矩阵，m
i
,m
j
和v
i
,v
j
分别是自车i与另一个道路交通参与者j的质量和速度。4.根据权利要求1所述的方法，其特征在于，所述利用人车系统交互输出的行驶轨迹分布构建人
‑
车动态交互作用模型，得到人车交互产生的行为不确定性，包括：根据车辆运动学模型和转弯半径计算等效线性两轮车模型，并根据指令转向角计算预
测位置；基于采集的实际驾驶实验数据对驾驶人
‑
车辆系统的不确定性运动进行预测；基于所述预测位置和所述不确定性运动，得到所述车辆转向角的转角角度的高斯正态分布，并基于所述高斯正态分布进行参数确定，确定所述人车交互产生的行为不确定性P
x,y
(δ(t))：其中，δ(t)为车辆转向角度，σ为服从正态分布的数据分布的离散程度，μ为服从正态分布的随机变量的均值。5.根据权利要求1所述的方法，其特征在于，所述利用驾驶人视觉特性对驾驶人驾驶过程中观察道路周边环境的兴趣区域构建人
‑
路动态交互作用模型，得到人路交互过程驾驶人风险敏感度差异，包括：利用驾驶人的视觉范围计算驾驶人正常...

【专利技术属性】
技术研发人员：黄荷叶，王建强，杨奕彬，刘艺璁，崔明阳，许庆，李克强，
申请(专利权)人：清华大学，
类型：发明
国别省市：