本发明专利技术提供了一种自动驾驶车辆的驾驶行为评价方法及装置，属于自动驾驶车辆评价技术领域。该方法包括：获取待评价线路上自动驾驶车辆的驾驶行为信息，根据所述自动驾驶车辆的驾驶行为信息计算得到自动驾驶车辆的驾驶行为特征参数，将自动驾驶车辆的驾驶行为特征参数作为样本点，计算样本点到参考点的距离；根据样本点到参考点的距离、基准距离和基准距离对应的分数，计算得到自动驾驶车辆的驾驶行为得分；其中，样本点到参考点的距离越小，自动驾驶车辆的驾驶行为得分越高；参考点为参考类的聚类中心点，基准距离为其他驾驶行为类别的聚类中心点到参考点的距离中的某个值。本发明专利技术能够实现对自动驾驶车辆驾驶行为的定量评价。够实现对自动驾驶车辆驾驶行为的定量评价。够实现对自动驾驶车辆驾驶行为的定量评价。
【技术实现步骤摘要】
一种自动驾驶车辆的驾驶行为评价方法及装置
[0001]本专利技术涉及一种自动驾驶车辆的驾驶行为评价方法及装置，属于自动驾驶车辆评价
技术介绍
[0002]驾驶行为是人类驾驶车辆和自动驾驶车辆都必须考虑的重要因素，交通事故大多都是驾驶操作不当导致的，不良的驾驶习惯是造成交通事故的主要原因。自动驾驶车辆有助于改善“人
‑
车
‑
环境”系统的智能性，从而提高交通通行效率和交通安全性。随着自动驾驶技术的发展，自动驾驶车辆逐渐在封闭场景推广，把人类驾驶员从驾驶操作中解放出来，但如何客观、准确地评价自动驾驶车辆的驾驶行为，使得自动驾驶车辆吸收人类驾驶员的正确驾驶方式，摒弃人类驾驶员的不良驾驶习惯，促使自动驾驶车辆的驾驶行为如同优秀驾驶员一样安全有效，仍没有一套可靠有效的评价方法。
[0003]虽然申请公布号为CN107153916A的中国专利技术专利申请文件中公开了一种基于FCM聚类和BP神经网络的驾驶行为评价方法，该方法通过对从驾驶行为信息中提取的驾驶行为特征参数进行聚类，将聚类结果作为训练样本训练得到BP神经网络模型，利用训练得到的BP神经网络模型对待评估的驾驶行为进行评估，但是该方法只能对驾驶行为做出定性评价，无法做出定量评价。
技术实现思路
[0004]本专利技术的目的在于提供一种自动驾驶车辆的驾驶行为评价方法及装置，用以对自动驾驶车辆的驾驶行为作出客观、准确的定量评价。
[0005]为实现上述目的，本专利技术提供了一种自动驾驶车辆的驾驶行为评价方法，该方法包括以下步骤：
[0006](1)获取待评价线路上自动驾驶车辆的驾驶行为信息，所述驾驶行为信息包括：瞬时车速、加/减速度、方向盘转角、车辆运行总时长、车辆运行总里程、车辆累计能耗、车辆周边障碍物信息、车辆周边道路数据信息；所述车辆周边道路数据信息包括坡道、弯道、隧道、事故多发区、路段限速、红绿灯信息；
[0007](2)根据所述自动驾驶车辆的驾驶行为信息计算得到自动驾驶车辆的驾驶行为特征参数，所述驾驶行为特征参数包括：超速时间占比、平均急加/急减速次数、平均变道次数、平均能耗、车辆未成功避障次数、车辆正确响应道路标志标线次数；
[0008]其中，所述超速时间占比为：待评价线路上车辆超速的持续时间累计值与车辆运行总时长的比值，当瞬时车速大于设定的车速上限值或大于路段限速值时判定车辆超速；所述平均急加/急减速次数为：待评价线路上车辆发生急加/急减速的次数累计值与车辆运行总里程的比值，当车辆加/减速度大于设定的加/减速度上限值时判定车辆发生急加/急减速；所述平均变道次数为：待评价线路上车辆发生变道行为的次数累计值与车辆运行总里程的比值，当方向盘转角大于设定的转角上限值时判定车辆发生变道行为；所述平均能
耗为待评价线路上车辆累计能耗与车辆运行总里程的比值；结合车辆周边障碍物信息判断车辆遇到障碍物是否成功避障，进而得到待评价线路上的车辆未成功避障次数；结合车辆周边道路数据信息判断车辆是否正确响应道路标志线，进而得到待评价线路上的车辆正确响应道路标志标线次数；
[0009](3)将自动驾驶车辆的驾驶行为特征参数作为样本点，计算样本点到参考点的距离；
[0010](4)根据样本点到参考点的距离、基准距离和基准距离对应的分数，计算得到自动驾驶车辆的驾驶行为得分；其中，样本点到参考点的距离越小，自动驾驶车辆的驾驶行为得分越高；
[0011]所述参考点、所述基准距离通过以下步骤得到：
[0012]获取待评价线路上不同时段、不同驾驶员、不同车辆的人类驾驶员的驾驶行为信息作为样本数据集，并相应得到人类驾驶员的驾驶行为特征参数数据集；对所述驾驶行为特征参数数据集中的人类驾驶员的驾驶行为特征参数进行聚类分析，得到多个不同的驾驶行为类别以及各驾驶行为类别的聚类中心点；从所述多个不同的驾驶行为类别中选择超速时间占比最小、平均急加/急减速次数最少、平均变道次数最少、平均能耗最小、车辆未成功避障次数最少、车辆正确响应道路标志标线次数最多的类别作为参考类，所述参考点为参考类的聚类中心点，所述基准距离为其他驾驶行为类别的聚类中心点到参考点的距离中的某个值。
[0013]本专利技术还提供了一种自动驾驶车辆的驾驶行为评价装置，该装置包括处理器和存储器，所述处理器执行由所述存储器存储的计算机程序，以实现上述的自动驾驶车辆的驾驶行为评价方法。
[0014]本专利技术的有益效果是：本专利技术通过将自动驾驶车辆的驾驶行为特征参数作为样本点，根据样本点到参考点的距离、基准距离和基准距离对应的分数，计算得到自动驾驶车辆的驾驶行为得分，实现对自动驾驶车辆驾驶行为的定量评价。其中，通过对人类驾驶员的驾驶行为特征参数进行聚类分析得到参考点和基准距离，参考点为聚类分析得到的所有驾驶行为类别中驾驶行为最规范的类别(即超速时间占比最小、平均急加/急减速次数最少、平均变道次数最少、平均能耗最小、车辆未成功避障次数最少、车辆正确响应道路标志标线次数最多的驾驶行为类别)的聚类中心点，基准距离为其他驾驶行为类别的聚类中心点到参考点的距离中的某个值，因此，本专利技术对自动驾驶车辆的驾驶行为进行定量评价时，综合考虑了驾驶行为最规范的类别和其他驾驶行为类别对驾驶行为评价的影响，较为客观，评价结果较为准确。
[0015]进一步地，在上述方法和装置中，所述自动驾驶车辆的驾驶行为得分的计算公式为：
[0016][0017]式中，S代表自动驾驶车辆的驾驶行为得分，M代表基准距离对应的分数，D代表基准距离，d代表样本点到参考点的距离。
[0018]进一步地，在上述方法和装置中，所述进行聚类分析的步骤包括：利用主成分分析法对人类驾驶员的驾驶行为特征参数进行降维；对驾驶行为特征参数数据集中降维后的人
类驾驶员的驾驶行为特征参数进行聚类分析。
[0019]进一步地，在上述方法和装置中，该方法还包括对自动驾驶车辆的驾驶行为进行定性评价的步骤，该步骤包括：将自动驾驶车辆的驾驶行为特征参数输入到已训练好的驾驶行为分类模型中，得到自动驾驶车辆的驾驶行为对应的驾驶行为类别；所述已训练好的驾驶行为分类模型通过以下步骤得到：将所述驾驶行为特征参数数据集中的各人类驾驶员的驾驶行为特征参数及其对应的驾驶行为类别作为训练样本，利用所述训练样本对分类模型进行训练，得到已训练好的驾驶行为分类模型。
[0020]进一步地，在上述方法和装置中，所述分类模型为基于用户行为的协同过滤算法分类模型、k近邻算法分类模型、决策树分类模型或SVM分类模型。
附图说明
[0021]图1是本专利技术方法实施例中的自动驾驶车辆的驾驶行为评价方法流程图；
[0022]图2是本专利技术装置实施例中的自动驾驶车辆的驾驶行为评价装置结构示意图。
具体实施方式
[0023]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。
[0024]方法实施例：
[0025]如图1所示，本实施例的自动本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种自动驾驶车辆的驾驶行为评价方法，其特征在于，该方法包括以下步骤：(1)获取待评价线路上自动驾驶车辆的驾驶行为信息，所述驾驶行为信息包括：瞬时车速、加/减速度、方向盘转角、车辆运行总时长、车辆运行总里程、车辆累计能耗、车辆周边障碍物信息、车辆周边道路数据信息；所述车辆周边道路数据信息包括坡道、弯道、隧道、事故多发区、路段限速、红绿灯信息；(2)根据所述自动驾驶车辆的驾驶行为信息计算得到自动驾驶车辆的驾驶行为特征参数，所述驾驶行为特征参数包括：超速时间占比、平均急加/急减速次数、平均变道次数、平均能耗、车辆未成功避障次数、车辆正确响应道路标志标线次数；其中，所述超速时间占比为：待评价线路上车辆超速的持续时间累计值与车辆运行总时长的比值，当瞬时车速大于设定的车速上限值或大于路段限速值时判定车辆超速；所述平均急加/急减速次数为：待评价线路上车辆发生急加/急减速的次数累计值与车辆运行总里程的比值，当车辆加/减速度大于设定的加/减速度上限值时判定车辆发生急加/急减速；所述平均变道次数为：待评价线路上车辆发生变道行为的次数累计值与车辆运行总里程的比值，当方向盘转角大于设定的转角上限值时判定车辆发生变道行为；所述平均能耗为待评价线路上车辆累计能耗与车辆运行总里程的比值；结合车辆周边障碍物信息判断车辆遇到障碍物是否成功避障，进而得到待评价线路上的车辆未成功避障次数；结合车辆周边道路数据信息判断车辆是否正确响应道路标志线，进而得到待评价线路上的车辆正确响应道路标志标线次数；(3)将自动驾驶车辆的驾驶行为特征参数作为样本点，计算样本点到参考点的距离；(4)根据样本点到参考点的距离、基准距离和基准距离对应的分数，计算得到自动驾驶车辆的驾驶行为得分；其中，样本点到参考点的距离越小，自动驾驶车辆的驾驶行为得分越高；所述参考点、所述基准距离通过以下步骤得到：获取待评价线路上不同时段、不同驾驶员、不同车辆的人类驾驶员的驾驶行为信息作为样本数据集，并相应得到人类驾驶员的驾驶行为特征参数数据集；对所述驾驶行为特征参数数据集...
【专利技术属性】
技术研发人员：王传秋，李亚军，王绍助，陈旭亮，刘磊，
申请(专利权)人：郑州宇通客车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。