基于C-V2X的关键场景生成方法、风险评估方法及系统技术方案

本发明专利技术属于场景生成技术领域，具体公开了一种基于C

【技术实现步骤摘要】
基于C
‑
V2X的关键场景生成方法、风险评估方法及系统


[0001]本专利技术属于场景生成
，涉及一种基于C
‑
V2X的关键场景生成方法、风险评估方法及系统。

技术介绍

[0002]C
‑
V2X场景的测试与评价主要通过以下几种方法进行:仿真测试、在环测试和道路测试。三种方法各有优缺点，仿真测试具有较高的成本效益，但难以准确模拟车辆动力学和道路环境。道路测试可获得最真实的测试结果，但效率极低，车辆必须行驶极远的路程才能验证其安全性。最根本的原因是，大多数道路上的场景不够关键，例如，如果想通过分析在有信号的十字路口下闯红灯车辆的安全性能(如事故率)，可能需要通过数千个十字路口来积累足够多的事故事件，数据采集困难，也具有不安全性。与其他两种方法相比，在环测试不需要对车辆动力学进行详细的建模，它提供了比道路测试更可控、更安全的环境。此外，在环测试可大大提高测试效率，即以较少的测试次数获得相同精度的评价结果。尽管仿真测试和在环测试具有优势，但在部署前的道路测试仍然是不可替代的。
[0003]现有技术中，通过在模拟场景中合理设计和封闭的测试设施，可以减少道路测试的工作量。在中国专利公告号CN111741446A中，提供了一种V2X通信与应用联合测试方法和系统，该系统已实现进行应用测试的模拟，及通信和应用的联合测试，将融合感知平台采集到的数据形成模拟RV的BSM消息(Backward Set
‑
up Message，后向建立消息)，来模拟不同位置和运动状态的RV，根据采集到的BSM消息，可以生成车辆的行驶轨迹，在这些轨迹数据中设置HV(host Vehicle，主车)和RV(remote Vehicle，远车)，可对关键场景进行识别(如前向碰撞预警、变道预警、交叉路口碰撞预警)。但现有技术中，生成的测试场景中的HV是直接用测试车辆模拟或者直接用软件生成，没有具体地实现提取方法，出现数据的真实性不够，数据的计算量过于庞大等问题。现有技术评估风险等级时使用阈值来分类或二分类方法，评估结果不够完善。

技术实现思路

[0004]本专利技术的目的在于提供一种基于C
‑
V2X的关键场景生成方法、风险评估方法及系统，提高了数据处理速度和数据真实性。
[0005]为了达到上述目的，本专利技术的基础方案为：一种基于C
‑
V2X的关键场景生成及风险评估方法，包括如下步骤：
[0006]采集原始数据，筛选出原始数据中车辆速度和加速度的异常值，将其替换为合适值；
[0007]使用滤波方法，清除原始数据中的车辆噪声；
[0008]从原始数据中提取出关键场景的疑似场景；
[0009]针对提取出的疑似场景，分别求出其对应场景的关键参数；
[0010]计算所有疑似场景的交通质量参数；
[0011]根据关键参数和交通质量参数，分别为每种关键场景的疑似场景进行聚类，评估其风险等级。
[0012]本基础方案的工作原理和有益效果在于：采集的原始数据中有部分车辆的速度值过大或者加速度值过大，这些异常值超出了实际驾驶情况中的正常值范围，本方案需要找出这些异常值，将其删除并且计算出合适的值来替代这些异常值，以防止这些数据帧中的速度值缺失，在后续识别关键场景时引起错误，提高数据的真实性。
[0013]为各种场景提取出疑似场景，减少处理数据的计算量同时让最终提取出的场景更具有代表性。为每个疑似场景计算出其对应关键场景的关键参数，然后计算出所有场景的交通质量参数，根据疑似场景的关键参数和交通质量参数来聚类分级，最终实现关键场景的识别和风险评估。将场景根据危险等级和交通质量两方面来进行评估分类，更好地描述了场景的特点。
[0014]进一步，筛选出原始数据中车辆速度和加速度的异常值，将其替换为合适值的方法如下：
[0015]对车辆坐标求一阶导数，得到车辆的速度分布曲线；
[0016]将车辆的速度分布曲线与原始的雷达采集的车辆速度曲线对比分析，筛选出两类异常值，第一类异常值是速度异常值，第二类异常值是加速度异常值，对这两类异常值删除之后，用拉格朗日多项式插值重新计算出值L(x)来代替异常值：
[0017][0018][0019]其中，(x0,y0),(x1,y1),
…
(x
k
,y
k
)为速度或加速度的原始值，x对应着坐标，y对应着这个位置的取值，k为某个车辆速度或加速度原始值的个数，设第i个原始值为异常值，L
i
(x)为计算出的代替该异常值的替代值。
[0020]操作简单，利于使用。
[0021]进一步，采用无迹卡尔曼滤波清除原始数据中的车辆噪声，方法如下：
[0022]无迹卡尔曼滤波中过程噪声协方差Q和测量噪声协方差R的设定将影响轨迹质量，其中Q代表建模误差，R代表传感器采集误差，R根据具体型号毫米波雷达说明书的误差来设定，Q被设定为一个非常小但不为零的常数；
[0023]假设Q的取值范围和步长递增，为了保证原轨迹的特性和结构特征，保证条件：
[0024]信号能量比的计算方式为：
[0025][0026]其中，x
original
(t)为原始信号，x
filtered
(t)为过滤后的信号；找出最小的信号能量比，保证车辆轨迹更加平滑。
[0027]清楚数据噪声，利于后续数据处理。
[0028]进一步，从原始数据中提取出关键场景的疑似场景的方法如下：
[0029]提取前向碰撞预警的疑似场景：
[0030]车辆轨迹的同车道前方有其他车辆且车头时距小于设定时间，若此情况维持在设定时间以上，将此场景视为疑似场景；
[0031]对清除异常值后的数据中的车辆作遍历，将当前车辆作为HV，车道记为Target，当前帧中其他车辆的车道信息用lane
other
表示，车道信息包括车辆编号ID、车道编号laneNumber、经度信息long和维度信息lat：
[0032]lane
other
＝{lane1,lane2,
…
,lane
n
}
[0033]lane＝{ID,laneNumber,long,lat}
[0034]将lane
other
中车道编号与Target相同的车道提取出，根据其经纬度和当前车辆的经纬度计算距离，取当前车辆前方且距离最近的一辆车为RV，计算HV和RV的车头时距t
THW
，
[0035][0036]其中，x
r
为前后车辆的相对距离，v
f
为后车的速度，x
p
和x
f
分别为前后车的位置；
[0037]若计算出的t
THW
小于设定时间，则将此HV和RV构成的场景视为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于C
‑
V2X的关键场景生成及风险评估方法，其特征在于，包括如下步骤：采集原始数据，筛选出原始数据中车辆速度和加速度的异常值，将其替换为合适值；使用滤波方法，清除原始数据中的车辆噪声；从原始数据中提取出关键场景的疑似场景；针对提取出的疑似场景，分别求出其对应场景的关键参数；计算所有疑似场景的交通质量参数；根据关键参数和交通质量参数，分别为每种关键场景的疑似场景进行聚类，评估其风险等级。2.如权利要求1所述的基于C
‑
V2X的关键场景生成及风险评估方法，其特征在于，筛选出原始数据中车辆速度和加速度的异常值，将其替换为合适值的方法如下：对车辆坐标求一阶导数，得到车辆的速度分布曲线；将车辆的速度分布曲线与原始的雷达采集的车辆速度曲线对比分析，筛选出两类异常值，第一类异常值是速度异常值，第二类异常值是加速度异常值，对这两类异常值删除之后，用拉格朗日多项式插值重新计算出值L(x)来代替异常值：后，用拉格朗日多项式插值重新计算出值L(x)来代替异常值：其中，(x0,y0),(x1,y1),
…
(x
k
,y
k
)为速度或加速度的原始值，x对应着坐标，y对应着这个位置的取值，k为某个车辆速度或加速度原始值的个数，设第i个原始值为异常值，L
i
(x)为计算出的代替该异常值的替代值。3.如权利要求1所述的基于C
‑
V2X的关键场景生成及风险评估方法，其特征在于，采用无迹卡尔曼滤波清除原始数据中的车辆噪声，方法如下：无迹卡尔曼滤波中过程噪声协方差Q和测量噪声协方差R的设定将影响轨迹质量，其中Q代表建模误差，R代表传感器采集误差，R根据具体型号毫米波雷达说明书的误差来设定，Q被设定为一个非常小但不为零的常数；假设Q的取值范围和步长递增，为保证原轨迹的特性和结构特征，保证条件：信号能量比的计算方式为：其中，x
original
(t)为原始信号，x
filtered
(t)为过滤后的信号；找出最小的信号能量比，保证车辆轨迹更加平滑。4.如权利要求1所述的基于C
‑
V2X的关键场景生成及风险评估方法，其特征在于，从原始数据中提取出关键场景的疑似场景的方法如下：提取前向碰撞预警的疑似场景：车辆轨迹的同车道前方有其他车辆且车头时距小于设定时间，若此情况维持在设定时
间以上，将此场景视为疑似场景；对清除异常值后的数据中的车辆作遍历，将当前车辆作为HV，车道记为Target，当前帧中其他车辆的车道信息用lane
other
表示，车道信息包括车辆编号ID、车道编号laneNumber、经度信息long和维度信息lat：lane
other
＝{lane1,lane2,
…
,lane
n
}lane＝{ID,laneNumber,long,lat}将lane
other
中车道编号与Target相同的车道提取出，根据其经纬度和当前车辆的经纬度计算距离，取当前车辆前方且距离最近的一辆车为RV，计算HV和RV的车头时距t
THW
，其中，x
r
为前后车辆的相对距离，v
f
为后车的速度，x
p
和x
f
分别为前后车的位置；若计算出的t
THW
小于设定时间，则将此HV和RV构成的场景视为疑似场景，保存这两辆车此时的轨迹数据；若lane
other
中没有一个的车道编号与Target相同，则选取下一个车辆作为HV，循环执行提取前向碰撞预警疑似场景的操作；和/或，提取变道预警的疑似场景：车辆轨迹的车道发生变化，且变道前后的两车道中本车的前后都存在其他车辆，将此场景视为疑似场景；对数据中的车辆作遍历，将当前车辆作为HV，判断HV在行驶过程中其车道有没有发生变化；若其车道发生了变化，将其变道前的车道记为lane
before
，变道后的车道记为lane
after
，判断HV在变道前后的两车道上时前后方有无其他车辆，若存在其他车辆并且后车与HV的车头时距小于设定时间，HV与前车的车头时距小于设定时间，将此场景视为疑似场景，把HV和相关的若干辆车的数据进行保存；和/或，提取交叉路口碰撞预警的疑似场景：根据经纬度信息将交叉路口划分为若干个网格，将车辆轨迹分布在网格信息上，令有车辆经过的网格的值为1，没有车辆经过的网格值为0，遍历数据中的车辆，记当前车辆为HV；计算出HV的网格矩阵，令HV进入交叉路口的时间为t1,HV离开交叉路口的时间为t2；筛选出t1和t2之间也处于交叉路口的其他车辆，计算出这些车辆的网格矩阵，并与HV的网格矩阵比较，若有相同位置的值都为1，则令此车辆为...

【专利技术属性】
技术研发人员：祖晖，陈新海，韩庆文，王博思，曾令秋，冯成均，张迪思，吴超，
申请(专利权)人：招商局检测车辆技术研究院有限公司，
类型：发明
国别省市：